#opencv #image-processing
#opencv #обработка изображений
Вопрос:
Я пытаюсь разделить транспортные средства для подсчета.
(1) Проблема в том, что если автомобили находятся близко в поле зрения камеры, их трудно разделить, как показано на первом рисунке.
(2) Итак, я использую информацию о краях и выполняю трассировку контуров для всех соединенных точек края. Если длина ребра больше порогового значения, тогда принимайте за реальное ребро. Но проблема в том, что иногда даже одно транспортное средство имеет два или более отдельных ребра, как показано на втором рисунке, и как я могу сделать так, чтобы они были из одного транспортного средства?
(3) Я также использую угловые точки OpenCV's goodFeaturesToTrack , но понятия не имею, как сгруппировать их для отдельного автомобиля.
(4) Какой может быть лучший способ разделить автомобили при обработке изображений вместо использования edge?
Спасибо
.
Комментарии:
1. Как часто это происходит? Вам нужна точность 100%?
2. ДА. чем выше, тем лучше, 100% — это мое желание. Теперь мой подход заключается в том, что я делаю разделение переднего плана и фона. Это приводит к образованию больших двоичных объектов. Большие двоичные объекты соприкасаются, когда транспортные средства находятся близко. Затем я изучаю методы сегментации объектов для разделения соприкасающихся больших двоичных объектов. Есть еще идеи?
3. Быстрой и грязной эвристикой может быть поиск дефектов выпуклости в каждом большом двоичном объекте. Транспортные средства обычно имеют выпуклые формы, поэтому любой значительный дефект выпуклости будет указывать на то, что нескольким транспортным средствам требуется сегментация или, возможно, сочлененное транспортное средство (например, прицеп для буксировки автомобилей). Вы отслеживаете эти большие двоичные объекты или просто анализируете снимки?
4. @RogerRowland Спасибо. Да, я отслеживаю. дефекты выпуклости — хорошая идея. Но мне нужно два этапа обнаружения дефектов выпуклости и сегментации. Есть более быстрый способ?
5. Я думаю, что 100% точность невозможна даже при сегментации (представьте себе две машины одного цвета, рядом). Вы могли бы быстро уточнить свою оценку, подсчитав дефекты выпуклости — два дефекта подразумевают два транспортных средства, три подразумевают три и т.д. Однако, если вы отслеживаете, большие двоичные объекты все равно не должны объединяться — используете ли вы mean-shift?