基于人头检测的人流量监测
2013-12-10 09:19
225 查看
源自:http://blog.csdn.net/soulusst/article/details/9305445
最近在做基于Meanshift的人脸跟踪,效果一般。标准算法选择Hue分量作为特征,为了提高对背景的鲁棒性,有人提出了结合梯度、LBP等特征的多特征空间。但是直方图维数太少,而且丢失空间信息,使得特征分类价值退化严重。经测试,对于背景颜色与肤色类似(黄色)的情况,跟踪失效。因此看了看市面上的产品如何做流量统计。
人流量监测一般采用摄像头吊顶安装俯拍的方式,以避免客流量大时的遮挡、重叠等问题。
参考资料:
1:http://www.eccn.com/design_2011101810512969.htm。一种嵌入式方案,利用HOG特征进行人头检测。分为训练与检测两部分,分类器选择SVM。类似文安方案,文安的演示视频效果不好。问题与思考:训练的分类器对于戴帽子如何处理?如果地面背景与人头的主要颜色类似呢(比较少)。
2、采用头部与肩部结合的特征(类似飞瑞斯的方案,飞瑞斯的演示不错,当然环境比较单一)。http://cdmd.cnki.com.cn/Article/CDMD-10255-1012312394.htm HAAR与HOG的两级分类器,由粗到细,提高速度。分类器特征:HOG(利用了结构对称性)
训练方式:AdaBoost,分类器 SVM级联
3、源代码 http://www.pudn.com/downloads456/sourcecode/graph/texture_mapping/detail1919552.html 貌似有训练好的分类器,跟踪算法为粒子滤波。
http://www.doc88.com/p-217659743554.html
问题与思考:有的方案利用了运动检测,只处理运动的部分。那么对于人头停留(暂停运动),是否有影响?
分类器的训练样本来自哪里?是统一训练,还是根据安装场景不同,采集不同的样本进行训练?
最近在做基于Meanshift的人脸跟踪,效果一般。标准算法选择Hue分量作为特征,为了提高对背景的鲁棒性,有人提出了结合梯度、LBP等特征的多特征空间。但是直方图维数太少,而且丢失空间信息,使得特征分类价值退化严重。经测试,对于背景颜色与肤色类似(黄色)的情况,跟踪失效。因此看了看市面上的产品如何做流量统计。
人流量监测一般采用摄像头吊顶安装俯拍的方式,以避免客流量大时的遮挡、重叠等问题。
参考资料:
1:http://www.eccn.com/design_2011101810512969.htm。一种嵌入式方案,利用HOG特征进行人头检测。分为训练与检测两部分,分类器选择SVM。类似文安方案,文安的演示视频效果不好。问题与思考:训练的分类器对于戴帽子如何处理?如果地面背景与人头的主要颜色类似呢(比较少)。
2、采用头部与肩部结合的特征(类似飞瑞斯的方案,飞瑞斯的演示不错,当然环境比较单一)。http://cdmd.cnki.com.cn/Article/CDMD-10255-1012312394.htm HAAR与HOG的两级分类器,由粗到细,提高速度。分类器特征:HOG(利用了结构对称性)
训练方式:AdaBoost,分类器 SVM级联
3、源代码 http://www.pudn.com/downloads456/sourcecode/graph/texture_mapping/detail1919552.html 貌似有训练好的分类器,跟踪算法为粒子滤波。
http://www.doc88.com/p-217659743554.html
问题与思考:有的方案利用了运动检测,只处理运动的部分。那么对于人头停留(暂停运动),是否有影响?
分类器的训练样本来自哪里?是统一训练,还是根据安装场景不同,采集不同的样本进行训练?
相关文章推荐
- 基于人头检测的人流量监测
- 模式识别开发之项目---基于人头检测的人流量监测
- 基于机器学习的人头检测模型
- 【Firewall系列一】浅析基于区域的防火墙方案如何监测网络环境中内外流量与程序会话
- ESP32 应用实践:基于混杂接收模式的人流量检测
- Spark数据挖掘-基于 K 均值聚类的网络流量异常检测(2): 模型优化
- 基于背景差分的流量监测
- 5-Spark高级数据分析-第五章 基于K均值聚类的网络流量异常检测
- 5-Spark高级数据分析-第五章 基于K均值聚类的网络流量异常检测
- 基于流量的CVE-2014-0160漏洞利用检测方法
- DNS通道检测 国内学术界研究情况——研究方法:基于特征或者流量,使用机器学习决策树分类算法居多
- 基于流数据挖掘的网络流量异常检测及分析研究
- DNS通道检测 国外学术界研究情况——研究方法:基于流量,使用机器学习分类算法居多,也有使用聚类算法的;此外使用域名zif low也有
- 基于动态基线的业务运营支撑网异常流量检测研究
- Spark数据挖掘-基于 K 均值聚类的网络流量异常检测(1): 数据探索、模型初探
- Cacti 是一套基于PHP,MySQL,SNMP及RRDTool开发的网络流量监测图形分析工具
- 【caffe】基于CNN的年龄和性别检测
- openwrt linux 基于iptables的流量和速度统计
- 运动物体目标检测实现—基于OpenCV
- 深度学习(十八)基于R-CNN的物体检测-CVPR 2014