网站建设基础入门,国内免费的ip地址,做一个app上架需要多少费用,重庆哪里可以学习网站建设和维护继续填坑#xff0c;之前已经讲了人脸检测#xff0c;人脸识别实战之基于开源模型搭建实时人脸识别系统#xff08;二#xff09;#xff1a;人脸检测概览与模型选型_开源人脸识别模型_CodingInCV的博客-CSDN博客#xff0c;人脸检测是定位出画面中人脸的位置#xff0c…继续填坑之前已经讲了人脸检测人脸识别实战之基于开源模型搭建实时人脸识别系统二人脸检测概览与模型选型_开源人脸识别模型_CodingInCV的博客-CSDN博客人脸检测是定位出画面中人脸的位置理论上把检测到的人脸进行提特征就能做人脸识别了不过直接这样做是有缺陷一是存在很大的资源浪费毕竟同一个人出现在画面我们实际上应该只需要做一次识别就知道他的身份理想情况下而不需要每一帧都去做二是如果对每一帧都进行独立的检测-识别就会出现频繁的事件不利于业务的开发。当然还有一些其他需要使得我们需要一种方式在不做识别的情况下就知道当前帧的目标和前面帧的目标是同一个目标比如我们要对一个门口进行进出的计数这个领域就是目标跟踪。 多目标跟踪是对于给定的视频序列找到每一帧图像中的运动 目标在连续视频帧中对同一个目标分配相同的身份标识号ID 从而形成不同物体各自的运动轨迹。这些物体可以是任意的如行 人、车辆、运动员、动物以及足球等无生命物体人脸跟踪属于目标跟踪。
基于机器学习的目标跟踪
与其他领域类似在深度学习爆发前也有很多基于机器学习的目标跟踪方法一般是依据目标的颜色分布信息如Meanshift或相邻帧的像素匹配如光流法。感兴趣可以自行搜索。
基于目标检测的跟踪tracking by detection
这类方法对每一帧的检测结果与历史跟踪结果进行匹配对于第一次出现的目标分配新的ID最简单的一种方式是用目标检测框与历史跟踪框的IOU来评价目标的匹配度使用贪心算法进行两两匹配将IOU超过阈值的且最匹配的检测框作为最新的跟踪框若有检测框未匹配上则新建ID, 若有跟踪框未匹配上则删除ID。匹配方法还有匈牙利匹配等。 除了直接使用检测框更新跟踪框外还有与卡尔曼滤波相结合更新跟踪框的方式代表性的方式是SORT(Simple Object Realtime Tracking)。
基于目标回归的跟踪
基于目标检测的跟踪比较依赖目标检测框的精度和速度且实际上没有利用上历史信息来帮助检测。基于目标回归的方法则利用历史跟踪框回归该目标在当前帧预测目标的位置。比如人脸中有些方法利用MTCNN的Onet去回归人脸位置这种方法一般要比每帧检测要快单目标下。
基于深度特征的目标跟踪
在发生目标遮挡时完全基于框匹配或传统机器学习的方法容易出现目标丢失从而目标ID发生变化。基于深度特征的目标跟踪通过提取目标的特征然后匹配的方式将目标重新关联上代表方法是DeepSort, 这种方式需要提取目标特征计算量较高。
基于端到端的目标跟踪
上面的方法基本都是分步骤的实现目标跟踪目标检测/回归-框匹配还有一种方式是端到端的方式不分多个步骤对硬件要求高笔者也没有了解过。
本系统的选择
考虑到CPU实时需要选择基于目标检测的跟踪, 具体而言选择sort方法。
项目源码
https://mbd.pub/o/bread/mbd-ZJyTmZty
