fruit的博客

搭建环境Ubuntu16.04+CUDA9+cudnn7+python3.5+源码编译Tensorflow1.4+opencv3.3基于 darkflow (yolo-v2)和 sort/deep_sort 实现目标检测与追踪Real-time people Multitracker using YOLO v2 and deep_sort with tensorflow 安装依赖$sudo pip

搭建 darkflow与 sort/deep_sort 环境修改 darkflow/net/yolov2/predict.pyimport numpy as npimport mathimport cv2import osimport jsonimport csv#from scipy.special import expit#from utils.box import BoundBo

下图展示了机器对一个视频的认知效果。其总红色的字表示objects, 蓝色的字表示scenes，绿色的字表示activities。 人工智能在视频上的应用主要一个课题是视频理解，努力解决“语义鸿沟”的问题，其中包括了：视频结构化分析：即是对视频进行帧、超帧、镜头、场景、故事等分割，从而在多个层次上进行处理和表达。目标检测和跟踪：如车辆跟踪，多是应用在安防领域。人物识别：识别出视频中出现的人物

sort论文地址：Simple Online and Realtime Trackingdeep_sort论文地址：Simple Online and Realtime Tracking with a Deep Association Metric

群体目标流量分析大场景下（多摄像机 如正门、偏门）估计进出人数已有方法检测+跟踪过程首先检测人，之后用诸如粒子滤波、KCF等方式跟踪轨迹，判断了通过图像的虚拟线，进而决策缺点检测和跟踪都需要比较稳定，但是在一些密集场合检测是比较困难的，多目标的相互遮挡进行跟踪也是很困难的。线性特征拟合、特征回归缺点特别依赖于模型的学习，当场景换了、人走的速度