Подсчет автомобилей на изображении

Я пытался реализовать алгоритм для успешного подсчета автомобилей на изображении. Я пытался реализовать метод подсчета транспортных средств при наличии нескольких транспортных средств окклюзии на изображениях движения

Оценивает фон из множества различных изображений. Я рассмотрел различные другие методы для этой цели, и все они так или иначе используют либо оценку фона из набора изображений, либо требуют видео. В качестве входных данных я имею изображения движения, на которых фон (вероятно, дорога в большинстве работ) едва различим. Кроме того, изображения из разных областей, поэтому они не имеют общего фона. Как мне поступить в этом случае?

Я думаю, что если каким-то образом я могу соответствовать структуре транспортных средств (автомобилей), то, вероятно, они могут быть сопоставлены. Но я не знаю, возможно ли это и как это сделать, так как изображение содержит несколько скрытых транспортных средств.

Любые советы или даже исследовательские работы также приветствуются.

Пример изображения выглядит следующим образом: Образец трафика

Образец трафика 2

— Krammer
источник

Можете ли вы опубликовать один или два репрезентативных примера изображений?

— bjoernz

Я бы посмотрел на соответствие шаблонам на вашем месте

— Olivier_s_j

@bjoernz Я добавил образец изображения.

— Краммер

Это сложно. Вы всегда видите машины спереди? Может быть, что-то можно сделать с помощью комбинации ветровое стекло / крыша ... Насколько точным должен быть счет? Сколько изображений нужно обработать? Возможно, ручная маркировка является опцией mturk.com/mturk :)

— bjoernz

@bjoernz Я не могу зависеть от mturk ;-). Я думаю, что не хочу, чтобы это было очень точным. Первоначально только несколько отсчетов сделали бы. Я думаю, что SIFT / SURF может помочь. Я могу обучить классификатор из нескольких наборов данных автомобилей (у большинства из них есть 1 автомобиль / изображение). Но я не знаю, сможет ли он обнаружить несколько автомобилей на изображении (может быть, он будет менее сложным, но все же иметь более одного частично закрытого транспортного средства)

— krammer

Как уже упоминалось, проблема подсчета объектов очень сложна. Хорошее описание некоторых распространенных подходов приведено в http://www.robots.ox.ac.uk/~vilem/NIPS2010.pdf .

Создание базы данных объектов SIFT на обучающих изображениях - это естественный путь для спуска. Это в сочетании с некоторой сегментацией изображения может быть путь.

Другой путь может состоять в том, чтобы посмотреть на HOG http://chrisjmccormick.wordpress.com/2013/05/09/hog-person-detector-tutorial/ , который аналогично алгоритму обнаружения функций, может быть адаптирован для автомобилей.

— user1531177
источник