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，而且我的检测器不够可靠，因此我得到了很多误报。

所以我一直在考虑将汽车从查找近似位置的背景，以便在应用我的分类器之前减少搜索空间，但是我不确定该怎么做，希望有人可以提供帮助？关于使用层进行运动分割，使用光流按流模型分割帧的方法，是否有人有使用此方法的经验，如果可以，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。 >
UPDATE：我也将这个问题发布到了堆栈溢出上，并且得到了一个很好的答案，我已经实现了这个想法，它的工作效果令人惊讶，现在我正在研究除这种技术外还使用光流技术。 br />
下面是示例视频的两个帧

f rame 0：


第5帧：


#1 楼

optical，光流也是一个困难的问题；-)

好，为了更具建设性，这里有一些算法值得一试（或已在此特定序列上尝试过）： />

在车辆数据库上重新训练您的功能包，使其在实际问题上更具代表性（尺寸和方向），以获得更好的结果
利用地面这一事实是一个平面，用于执行某些参数光学流（搜索仿射流）或计算序列的帧之间的仿射配准。然后，移动的车辆将与该主导运动相异。
使用某种光流算法来计算流量，然后尝试对光流向量进行分类/聚类（这仍然是一个普遍存在的问题！）。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，对流进行分割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。