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，我能够进行诸如霍夫变换的简单操作来查找圆，但是这种方式只能检测到60％的头部，包括许多假阳性。 br />
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，...
我还有其他选择，那就是可以使用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。
我认为这将是一个非常反复出现的问题，但是我在文学或互联网上找不到很多有关它的信息。解决该任务的任何帮助将不胜感激:-)
更新：有关更多信息，目标是实现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。
#1 楼
还有其他物体可以在人旁边移动吗？如果没有，您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blob，而不是两个。在这种情况下，可以使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（如狗，汽车），则应创建一个获得blob参数的分类器，例如：
blob统计信息（大小，密度等）。
颜色
边缘信息
速度（以防万一）追踪）
，并返回正确的类别（人类/无人类）。
评论
$ \ begingroup $
我正在寻找一种可以区分人还是非人的健壮方法。这样，考虑到您的答案后，我认为使用您建议的Blob参数，再结合一些功能跟踪和Blob的一些统计信息，应该足够健壮。
$ \ endgroup $
– emepetres
2012年11月1日于10:28
#2 楼
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，我没有简单地做任何必要的事情以获取尽可能多的此类数据。我认为这最终会给他们带来很大的改变。现实世界中的任何一种视觉检测，在尝试并失败之前，都没有想到过百万。这是一个老问题，比看起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，使用您已经知道的有效且健壮的方法。所有听起来像是“足够好”的东西都将不幸地失败。
最后我知道行人检测的最新技术是HOG，最初是在这种环境下进行测试的。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，这并不是您想成为的一部分。
P.S.不试图批评计算机视觉。这是我最喜欢的区域之一。但从历史上看，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。
评论
$ \ begingroup $
也许您是对的，我应该花一些时间来建立一个好的数据库来训练和测试HOG描述符。这样，您知道该数据库具有哪个最小大小才能正确进行培训？
$ \ endgroup $
– emepetres
2012年11月5日在8:41
$ \ begingroup $
我不知道。尽可能广泛。同样，HOG是一个检测器，它对图像返回“是有人”或“没有人”的响应，而没有其他响应。它没有提及人的位置（位置）或人的像素（细分），也没有说多人与一个人的关系。我认为已经对HOG进行了一些改编（已申请了一些专利），但是重点是您要进行人员跟踪，而HOG本身仅是关于检测，而不是位置。我从未做过，但是人员跟踪是一个长期存在的话题。查看有关人员跟踪的文件。
$ \ endgroup $
–约翰·罗伯逊
2012年11月6日在16:23
$ \ begingroup $
@John Robertson HOG不是检测器，它只是描述符，它与某些分类器（例如SVM + HOG）一起使用，它可以返回对象的位置。
$ \ endgroup $
–mrgloom
13年6月6日在6:50
$ \ begingroup $
@mrgloom你是对的。它通过进行窗口搜索来返回位置。不过，这只是使用大型公司的专利方法才能快速完成。我并不是要在技术上使用检测器一词，只是在简单的英语意义上说它是可以检测的东西。它仅提供宽松的位置，即在该窗口内大约有某个人占该窗口比例的80-90％，但没有任何标识该窗口的哪些部分可能属于该人。我熟悉描述符/检测器的技术区别。
$ \ endgroup $
–约翰·罗伯逊
13年3月6日在7:14
#3 楼
我认为您可以通过合并此处的一些答案来开始使用。该答案中提到了两种不同的方法，主要区别在于您无法进行人脸检测，因为您看不到面孔。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。
正如您所预测的，这建议使用某种前景-背景分割方法。很快进行了一次谷歌搜索，发现这篇最近的文章看起来很有前途，但是由于我从来没有亲自做过，所以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。
我链接的答案只是给出了一个非常笼统的方法想法。但是，此答案可以使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，所以我可能没有多大帮助，但是也许我链接到的答案可以为您提供一些从何入手的一般想法。让我感到惊讶的是，在寻找问题的答案时我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正确的关键词来描述这个问题。
评论
$ \ begingroup $
谢谢您的回答。关于前景分割的文章看起来非常有趣。正如您和@Andrey所建议的那样，我将遵循斑点分析的方法来确定每个斑点中的人数。
$ \ endgroup $
– emepetres
2012年11月1日在10:44
$ \ begingroup $
@emepetres如果您让我们知道您的结果，以及尝试并测试该方法的成功程度，那将是很好的
$ \ endgroup $
–佩内洛普
2012年11月1日14:44
#4 楼
我有这里描述的某种任务，人数众多。但是我的要求是相机应该从左侧/右侧而不是头部朝向人。开销检测）。这些解决方案使用立体声摄像头，以便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）。此产品可能为您提供更好的解释：
digiop。有关更多技术说明，请参见手册。
P.S.我并没有代表公司，只是指出了一个有据可查的解决方案
评论
$ \ begingroup $
感谢您的分享，这似乎是解决问题的一种有趣方法。
$ \ endgroup $
– emepetres
13年5月15日在10:26
评论
如果您可以发布一些视频，则有人可能会编写原型。你可以发帖吗？@Andrey，我上传了一个显示问题的视频测试。
@emepetres如果您有资源可以测试此问题，也许您也有资源来找到辅助摄像机？结合使用两台摄像机的视图（一个顶视图，一个正面或一个角度），并使用来自两种摄像机的信息听起来很有趣，并且似乎是一种可行的行人流量跟踪方法（取决于您所需的精度）
这个任务在文学中被称为“人数计数”。
您可以提供此视频的链接吗？在提供的链接中不再可用