Перейти к содержимому
Compvision.ru

Smorodov

Главные администраторы
  • Количество публикаций

    3 873
  • Зарегистрирован

  • Посещение

  • Days Won

    346

Все публикации пользователя Smorodov

  1. Используется еще вектор скорости. Предполагается что объекты инертны, и векторы скорости быстро не меняют. Ну еще копайте разные фильтры Кальмана и иже с ними. Есть еще наш с Сергеем Нужным проект: https://github.com/Smorodov/Multitarget-tracker правда по коммитам сейчас он много больше его чем мой
  2. Пожалуйста, пишите по сути, что-нибудь практически полезное.
  3. Ну не факт . Наиболее частые ошибки: не тот порядок каналов; неправильная раскладка цветовых данных (чередующиеся или по плоскостям); не вычтенное среднее, не тот диапазон (0-255 вместо 0-1).
  4. Просто тут не будет AAM , по опыту, довольно медленный. ASM , как правило, быстрый, но дерганый, нужно сглаживать движение. Посмотрите этот проект: https://github.com/TadasBaltrusaitis/CLM-framework/tree/master Там есть и матлабовские скрипты для обучения моделей. Может пригодится еще : https://github.com/patrikhuber/eos
  5. Для начала соберите изображения, на которых сеть ошибается и дообучите сеть на них. (лучше новые, собранные при реальной работе) Можно просто дублировать их в датасете, чтобы встречались почаще. Ну и повторять процесс, пока результат не устроит.
  6. Взаимно , еще пока не совсем вернулся, но надеюсь скоро втянусь по полной.
  7. Может и несколько фантастичный вариант, но в качестве направления для подумать. 1. выгнать всех с площадки, выключить свет. 2. включать по очереди по одному прожектору, фоткать что получилось. 3. во время трекинга синтезировать фоновое изображение, сложением изображений включенных в данный момент прожекторов ( предполагаем известным) 4. применяем вычитание фона. 5. ..... т.д.
  8. Посмотрите книжку "Practical time series analysis" (раздел "Recurrent neural networks for time series forecasting") Там как раз ваш случай разобран.
  9. Opencv 2.3.2 + C++Builder XE2

    Моя очередная химерка BCB_OpenCV.rar Инструкции и пример проекта внутри. UPD: патч на opencv.org: http://code.opencv.org/issues/2057
  10. Реализовал измеритель пульса по изображению с камеры (pdf-ка в архиве с исходниками). Работает не очень устойчиво (думаю из-за того что переключаются каналы разделенные при помощи ICA), но при удачном исходе на разложении Фурье виден острый четкий пик. Предлагаю желающим поэксперименировать Там встроен детектор лица, но и так работает Исходники (используются: OpenCV и Eigen): HeartRateMeasure.rar UPD: добавил комментариев и немного подправил исходники. Только что откопал интересный ресурс по теме: http://people.csail.mit.edu/mrub/vidmag/ с исходниками на MATLAB и видеороликами (обязательно посмотрите ). И еще исходники на питоне: https://github.com/thearn/webcam-pulse-detector
  11. Делал как то, использовал во многих проектах. Работает быстро вот залил на гит: https://github.com/Smorodov/PiecewiseAffineWarper Документацией не озадачивался, т.к. использовал только для себя. Пример использования можно посмотреть здесь: https://github.com/Smorodov/FaceRotate/blob/master/main.cpp но тут может быть более старая версия piecewise affine warper-а.
  12. Так это, MTCNN уже всюду портировали и на чистом OpenCV + BLAS и еще один видел, по детекту лиц и 5 ключевых точек, в маленьком разрешении работает близко к реалтайм. Еще есть face parsing, там же и датасет можно найти: https://www.sifeiliu.net/face-parsing в реалтайме вряд ли-пойдет, но для записанных видео, вполне (не пробовал, могу ошибаться).
  13. Посмотрите еще проекты по ссылкам ниже, может будет полезны. https://github.com/santhosh-kumar/MultiCameraTracking и здесь https://github.com/OpenPTrack/open_ptrack
  14. Найти нормаль к поверхности

    Посморите здесь: https://github.com/daviddoria/Examples/blob/master/c%2B%2B/OpenCV/SolvePNP/SolvePNP.cxx Но в примере не нормаль напрямую, а поворот и смещение.
  15. [Help] Работа с видео

    Ну мне не особо нужно посты накручивать Просто имелось ввиду отладить всю логику на видео из стриммера , а после, если все еще будет нужно, лезть в железки. Ну если горит прям "оооуу !", тогда гуглите "direct3d hook capture".
  16. [Help] Работа с видео

    Есть же софт для стримминга, как я понимаю, та же IP-камера по сути.
  17. Поищите HOG+svm классификатор, он прекрасно справляется. например: http://blog.dlib.net/2014/02/dlib-186-released-make-your-own-object.html
  18. Еще книжка на русском есть: https://www.piter.com/product/glubokoe-obuchenie
  19. По кривым рассеяния не искал не знаю, есть ли открытые реализации. По сегментации суперпикселями, вот поиграйтесь:SuperPixelSegmentation.rar
  20. Это попиксельный argmax по слоям выходной матрицы, с последующей раскраской. Не знаю как на java будет, давно не использую.
  21. Argmax(-26.287221908569336, -14.588539123535156, -7.386473655700684, 1.4765703678131104, 15.550891876220703)=4
  22. Это называется метрики, их не две, а намного больше самые популярные: 1) Евклидова метрика. 2) чем то напоминает дистанцию Хемминга, но там тоже сумма считается. https://ru.wikipedia.org/wiki/Расстояние_Хэмминга 3) https://ru.wikipedia.org/wiki/Расстояние_Махаланобиса 4) https://ru.wikipedia.org/wiki/Расстояние_городских_кварталов Опять же надо подбирать экспериментально.
  23. Ну размерность векторов это обычно предмет для экспериментального подбора. Вообще еще один метод есть, вычисляются собственные векторы и числа, и оставляют количество векторов, сумма собственных чисел которых равна, скажем 95% от всей суммы чисел. Смотрите PCA анализ.
  24. Посмотрите здесь: Количество дескрипторов, задает насколько детально описывается фигура. Подрезание количества коэффициентов дает сглаживание контуров. Еще тут посмотрите: https://www.codeproject.com/Articles/196168/Contour-Analysis-for-Image-Recognition-in-C
×