上面的人检测

我试图找到一种方法，仅使用距离地面3米的一台摄像机来检测人员。这是相机返回的帧：

更新：视频测试-> http://dl.dropbox.com/u/5576334/top_head_shadow.avi

为了做到这一点，首先我了解我必须执行背景-前景分割。那是容易的部分。

使用前景蒙版，我可以进行简单的操作（例如霍夫变换）来查找圆，但是这种方式只能检测出60％的头部，包括许多误报。

我可以使用其他一些简单的技术，例如颜色分割，但是我发现人头与上面的人非常不同，因为他们的发型，颜色，头发数量，...

尽管我还有其他选择，可以使用HOG描述符或类似Haar的功能，但是我需要一个从上面看到的人的广泛数据库来训练模型。我还没有找到类似的东西。

我以为这将是一个经常发生的问题，但是我在文学或互联网上找不到很多。解决此任务的任何帮助将不胜感激:-)

更新：有关更多信息，目标是实施一些通用方法来进行行人流量跟踪。第一个原型将在购物中心进行测试。

还有其他物体可以在人旁边移动吗？如果没有，则可以在前景蒙版中找到斑点（连接的组件），这些都是您的人。

他们还可以彼此“碰撞”，创建一个斑点而不是两个。在这种情况下，您可以利用轨迹和速度平滑的事实进行运动跟踪并解决歧义。

如果还有其他对象（例如狗，汽车），则应创建一个获取blob参数的分类器，例如：

• Blob统计信息（大小，坚固性等）
• 颜色
• 边缘信息
• 速度（在跟踪情况下）

并返回正确的类别（人类/无人类）。

我一直在“为了使用经过良好测试的方法，我需要一个我没有的大量示例数据库”在一家“负担不起”的非常小的公司中的职位。我非常遗憾，我没有做任何必要的事情来获取尽可能多的此类数据。我认为这最终将使他们与众不同。

现实世界中任何一种视觉检测都具有百万种您从未想到的东西，直到您尝试了它并失败。这是一个老问题，比看来要困难很多很多倍。我建议使用牛顿法，“站在巨人的肩膀上”（或者，几乎一样，在一大堆矮人之上）。也就是说，使用一种您已经知道的有效且可靠的方法。所有听起来像是“足够好”的东西都会不幸地失败。

我最后一次知道行人检测技术是最先进的，最初是在这种环境下对它进行了测试。您需要跟踪，因此您需要在Google学术搜索中试用一下才能找到它。买我的主要观点是，我处于类似的位置，因此，我建议您获取数据库，无论您要做什么，都使用已知有效的东西，该东西已经过已知的故障率测试，而不是那种听起来不错。“听起来像它们会工作”的计算机视觉算法已经走了40年之久，这并不是您想参加的事情。

PS：不要试图批评计算机视觉。这是我最喜欢的区域之一。但是从历史上看，这是一千个错误的步骤，没有多少正确的步骤。最好跟随已经找到一些正确步骤的人。

我认为您可以开始由几个答案从这里结合。

此答案中提到了两种不同的方法，主要区别在于，由于看不到人脸，因此无法进行人脸检测。但是另一种方法仍然适用：根据行人的动作（运动）确定天气是否为行人。

如您所预料的，这建议使用某种前景-背景分割。很快浏览了一下这篇最新文章看起来很有希望，但是由于我从来没有亲自做过，因此您或其他人可能会对在此步骤中使用的特定算法有更好的建议。

现在，我链接的第一个答案只是一个非常笼统的方法想法。但是，此答案可以让您了解下一步的操作：跟踪对象，并尝试根据速度或移动方向来区分它们。

最后，我从未解决过您遇到的问题，因此可能对我没有太大帮助，但是也许我链接的答案可以为您提供从何入手的一般思路。这也让我感到惊讶，我在寻找问题的答案时找不到任何先前的著作和文章，但是，也许您只需要有人告诉您描述此问题的正确关键字即可。

我有这里描述的某种任务，人数众多。但我的要求是，相机应从左侧/右侧而不是头部朝向人。

话虽这么说，在为我的案件探索可能的解决方案时，我偶然发现了一种针对您案件的有趣方法（开销检测）。这些解决方案使用立体声摄像头，因此您可以通过查看深度来处理斑点（人们在一起移动太近）（例如，仅在普通人的头水平看到斑点）。

该产品可能会为您提供更好的解释： digiop。有关更多技术说明，请参见手册。

附言：我并不是代表公司，只是指出了一个有据可查的解决方案