поиск объектов, используя HoughCircles

[nhr 0]

Доброго времени суток.

Пишу программку для распознования людей в толпе. Как мне кажется самый простой из способов, это использовать функцию HoughCircles.

Однако возникает проблема, заключающаяся в том, что программа находит много лишнего.

Скажите, как можно минимизировать погрешность и оставить только то, что мне нужно?? Может фильтр какой-нибудь есть?

int main(int argc, char* argv[])

{

	Mat img, gray;

	img = imread("image1.jpg", CV_LOAD_IMAGE_UNCHANGED);


	if (img.empty())

	{

		cout << "Error : Image cannot be loaded..!!" << endl;

		system("pause"); //wait for a key press

		return -1;

	}



	namedWindow("original", CV_WINDOW_AUTOSIZE);

	imshow("original", img);


	//рисуем рабочую область ROI--------------------------

	Rect roi(93, 4, 400, 400);

	Mat image_roi = img(roi);

	//----------------------------------------------------


	//градация серого

	cvtColor(image_roi, gray, CV_BGR2GRAY);


	Mat blurred,blurred1;

	//GaussianBlur(gray, blurred, Size(5, 5), 0,0,4);// с размытием хуже

	//imshow("Smoothed Image", blurred);


	//резкость-------------------------------

	double delta = 0;

	int ddepth = -1;


	float kernel[9];

	// увеличение чёткости

	kernel[0] = -0.1;

	kernel[1] = -0.1;

	kernel[2] = -0.1;


	kernel[3] = -0.1;

	kernel[4] = 2;

	kernel[5] = -0.1;


	kernel[6] = -0.1;

	kernel[7] = -0.1;

	kernel[8] = -0.1;


	// матрица

	Mat kernel_matrix = Mat(3, 3, CV_32FC1, kernel);

	filter2D(gray, blurred, ddepth, kernel_matrix, Point(-1, -1));

	//imshow("filter2d", blurred);

	//--------------------------------------


	//поиск кругов--------------------------

	vector<Vec3f> circles;

	HoughCircles(blurred, circles, CV_HOUGH_GRADIENT,

		10,   // разрешение сумматора, используемое для детектирования центров кругов

		30,  // минимальная дистанция между двумя кругами

		60, // верхнее пороговое значение, передаваемое детектору границ Кенни (нижнее пороговое значение будет в 2 раза меньше)

		10, // суммирующее пороговое значение детектированя центров

		2, 15); // минимальный и максимальный радиус


	// пробегаемся по кругам и рисуем их на оригинальном изображении

	for (size_t i = 0; i < circles.size(); i++)

	{

		Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));

		int radius = cvRound(circles[i][2]);

		// рисуем центр окружности

		circle(blurred, center, 3, Scalar(0, 255, 255), -1, CV_AA, 0);

		// рисуем контур окружности

		circle(blurred, center, radius, Scalar(0, 255, 255), 3, CV_AA, 0);

	}


	// показываем----------------------------------------------------

	namedWindow("HoughCircles", 1);

	imshow("HoughCircles", blurred);


	waitKey(5000);

	system("pause");


	destroyAllWindows();


	return 0;

}

Ну и пример работы:

[Nuzhny 243]

Не хватает сведений.

Фото или видео? Если видео, то камера подвижная или нет? Ракуррс всегда примерно такой, как на кадре?

[nhr 0]

Фото, ракурс всегда одинаковый.

[nhr 0]

Ребята, ну помогите советом. Я уже и templatemathcing использовал, но с ним только 1:1 можно найти, а если на картинке немного другое изображение то метод не помогает.

[Smorodov 579]

Проблема в нечетко поставленной задаче.

Попытайтесь максимально четко определить:

1) Что на входе. (Один снимок, много снимков, день/ночь или только день, доступен ли отдельно фон, качается-ли камера, пешеходы в фуражках? и т.д. )

2) Что требуется в идеале и в каком виде.

3) Допустимые погрешности.

4) Накладываемые ограничения (время обработки, и т.п. ).

[mrgloom 242]

кругами тут явно не отделаться, нужен детектор аля pedestrian detector.

в opencv это вроде рамочный детектор detectMultiScale, используя HOG.

[nhr 0]

1) На входе я использую кадры из видео, т.е. на входе фото. Камера статична. Почти все люди в фуражках. Время суток день

2) В идеале нужно подсчитать количество людей на площади

3) Погрешность как можно меньше, человека 3-4 можно пропустить

4) Ограничений в принципе никаких нет.

[Smorodov 579]

Изображение не самое простое для анализа.

Если на входе видео последовательность, то можно попробовать вначале разделить картинку на передний и задний план. Посмотрите например https://code.google.com/p/bgslibrary/ для этих целей, ну или какую-нибудь встроенную в opencv вычиталку фона. Затем используя в результат в качестве маски найти яркие точки (фуражки). Можно попробовать блоб-анализ (см. cvBlob или похожие либы), поиск контуров с последующей фильтрацией по площади.

Я думаю что окружности искать здесь не самый лучший подход.

[Nuzhny 243]

кругами тут явно не отделаться, нужен детектор аля pedestrian detector.

в opencv это вроде рамочный детектор detectMultiScale, используя HOG.

HOG, кстати, тут подойдёт очень хорошо. Если же люди будут в таких белых касках, то лучше HOG обучить самому на них. Или, ещё лучше, обучи ICF detector (integral channels features) на своих данных. Его можно взять из ccv.

[iskees 32]

если еще актуально и если выложите тут пару сотен фотографий то могу попробовать "покрутить" hog.

[nhr 0]

Актуально и еще как! Фотографии могу выложить без проблем

[Smorodov 579]

Ну только через файлообменник, если больше нескольких десятков МБ

[nhr 0]

https://www.dropbox.com/s/u4x5r1m81g7imz0/2014-03-30-14-09-02.jpg

https://www.dropbox.com/s/ry7exxjhncr8rea/2014-03-30-14-09-01.jpg

https://www.dropbox.com/s/kn134v8hb92773i/2014-03-30-14-08-45.jpg

https://www.dropbox.com/s/atduq50p4cbcw4b/2014-03-30-14-08-50.jpg

https://www.dropbox.com/s/cf9y9wjkkd5rsqm/2014-03-30-14-08-57.jpg