Поиск по сайту

Здравствуйте! Тема такая - по конвейеру идут объекты, их надо посчитать, я обучил каскадный классификатор (процентов 90 он определяет - иногда проскакивают кадры где не определяется , но в целом каждый объект определен), вытащил координаты найденных объектов, пытаюсь сделать счетчик по расстоянию до условной линии. Но натыкаюсь на то, что он считает объекты по количеству кадров т.е был объект 5 сек в кадрах со скоростью 5к\сек получили 25 объектов. Еще сложнее если вдруг появляется два объекта. Попытался сделать с ROI - вырезал небольшой участок и на нем уже получил очень близкие к достоверным результаты. Но понимаю что это неправильно. Помогите как отслеживать именно найденный объект (видел ролики где над объектом пририсовывалась цифра и не менялась по всему треку слежения) и сравнивать расстояние до линии. Возможно ли реализовать чтоб в центре объекта ставилась точка и слежение происходило за ней?, Я пробовал, но к 10 кадру у меня 8-10 таких точек в центре объекта. и не смог реализовать удаление не всех точек на экране а тех которые вышли из заданной области у меня через пару минут в верхней области экрана пару сотен таких точек. Извините за "многобукаф".

Всем привет! В большинстве задач, связанных с навигацией и дополненной реальностью, одной из основных задач является детектироване и трекинг особых точек. И вот тут возникла у меня мысль, а существует ли идеальный алгоритм для трекинга. Основных требований для такого трекинга три: Трекинг однажды найденных точек продолжительное время. Для того, чтобы можно было исопльзовать темпоральную компоненту для сглаживания результатов(например, используя фильтр Калмана). Все текствурные области, видимые в кадре, должны быть покрыты фичами(если они там есть), чтобы не было большщих "черных пятен". Для того, чтобы при резких вращениях трекинг не терялся, если есть хотябы минимальное пересечение между кадрами. Все это должно максимально быстро работать, т.к. обычно поверх двухмерного трекинга фич еще много чего нужно считать, а задачи такого типа требует realtime скорости работы. Как правило есть два простых подхода к 2D трекингу фич: Задавать минимальное число фич для трекинга, и добавлять новые фичи только в том случае, если мы трекаем фич меньше, чем заданно. Такой подход относительно неплохо работает в том случае, когда камера движется вперед и действительно теряет часть точек с течением времени. Но если камера движется назад, то она может долгое время трекать фичи, найденные на первом кадре, которые через некоторое время начинают занимать маленькую площадь кадра(но при этом размещаться очень плотно), что очень плохо. Использовать только 2 кадра для трекинга. Тут все понятно, каждый раз полностью обновляем набор фич, имеет неплохое покрытие кадра фичами, но при этом теряем темпоральную информацию. Идеал по идее должен лежать где-то по середине между этими двумя подходами, но статей с описанием подобных алгоритмов я не встречал. Напрашиваются только тяжелые алгоритмы для оценки текстурности областей и площади/плотности покрытия области фичами, типа использования Триангуляции делоне, grid-детектора обновляющего информацию на каждом кадре и т.п. Может кто-то сталкивался с подобной задачей, или наталкивался на работы с описанием? Было бы интересно узнать альтернативные мнения. Заранее спасибо!