车辆细分和跟踪

我从事一个项目已经有一段时间了，以检测和跟踪从无人机捕获的视频中的车辆，目前，我正在使用SVM，该SVM受过从车辆和背景图像中提取的局部特征的特征包表示的训练。然后，我正在使用滑动窗口检测方法来尝试在图像中定位车辆，然后我想对其进行跟踪。问题在于，这种方法远远不够缓慢，而且我的检测器不如我希望的那样可靠，因此我得到了很多误报。

因此，我一直在考虑尝试从背景中分割汽车以找到大概位置，以便在应用分类器之前减少搜索空间，但是我不确定如何进行此操作，希望有人可以提供帮助？

此外，我一直在阅读有关使用图层进行运动分割的信息，使用光流按流模型对帧进行分割，是否有人对此方法有任何经验，如果可以的话，您是否可以提供一些输入，例如您是否认为此方法适用于我的问题。

更新：我也将这个问题发布到堆栈溢出中，并且得到了一个很好的答案，我已经实现了这个想法，并且效果很好，我正在研究除这种技术之外还使用光流技术。

以下是示例视频的两帧

框架0：

框架5：

las，光流也是一个困难的问题；-)

好了，为了更具建设性，这里有一些值得尝试的算法（或已经在此特定序列上尝试过）：

• 在更能代表您实际问题的车辆（大小和方向）数据库上重新训练您的功能，以便获得更好的结果
• 利用地面是一个平面这一事实来进行一些参数光学流（搜索仿射流）或计算序列帧之间的仿射配准。然后，移动的车辆将与该主导运动相差较大
• 使用一些光流算法来计算流量，然后尝试对光流向量进行分类/聚类（这仍然是一个广泛存在的问题！）。根据您使用的语言，您可以使用OpenCV的光流，一种来自TU Graz，D。Sun的光流，甚至是我的 ;-)。但是请注意，对流进行分段将是一项不平凡的任务，您可能应该分两个步骤进行：全局（主要）运动仿真，然后进行小运动检测。