Question

美好的一天

我已经使用YOLOv3模型检测到只有人类物体出现在场景中。基本上，YOLO模型会尝试检测每一帧中的人体对象，尽管由于边界框不断移动，所以它看起来像是在跟踪。

我正在寻找一种可行的方法，通过为每个人类对象分配一个标识符来跟踪每个人类对象。（请参阅提供的图像）

以下代码用于根据左侧，顶部，右侧，底部绘制边框，这表示x，宽度，y，高度。我可以为每个检测到的人体分配一个标识符吗？

例如将ID_1分配给检测到的“人员：0.73”，将ID_2分配给“人员：1.00”

非常感谢您的帮助和时间，谢谢。

尝试为每个检测到的人分配一个标识符

Trying to assign an identifier to each detected person

def drawPred(classId, conf, left, top, right, bottom):
    # Draw a bounding box.
    cv2.rectangle(resized_frame, (left, top), (right, bottom), (255,0,255), 5)

label = '%.2f' % conf

# Get the label for the class name and its confidence
if classes:
    assert(classId < len(classes))
    label = '%s:%s' % (classes[classId], label)

#Display the label at the top of the bounding box
labelSize, baseLine = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 1)
top = max(top, labelSize[1]) - 5
cv2.putText(resized_frame, label, (left, top), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,255,255), 2)

Answer 1

如果可以使用C ++实现，则可能要使用这个流行的github存储库https://github.com/AlexeyAB/darknet

如果您阅读该文档，则说明它具有C ++ API，您可以将darknet用作库（这样就可以使用yolo模型）并将其加载到C ++程序中。在https://github.com/AlexeyAB/darknet/blob/master/src/yolo_console_dll.cpp处查看使用Darknet库的C ++程序示例。

在该C ++代码中，作者提供了3种进行对象跟踪的选项：

跟踪光流算法，但仅适用于实时检测，不适用于视频。您可以通过取消注释此行//#define TRACK_OPTFLOW来使用该算法。看一下508〜522

#ifdef TRACK_OPTFLOW
                        if (detection_data.new_detection) {
                            tracker_flow.update_tracking_flow(detection_data.cap_frame, detection_data.result_vec);
                            while (track_optflow_queue.size() > 0) {
                                draw_frame = track_optflow_queue.back();
                                result_vec = tracker_flow.tracking_flow(track_optflow_queue.front(), false);
                                track_optflow_queue.pop();
                            }
                        }
                        else {
                            track_optflow_queue.push(cap_frame);
                            result_vec = tracker_flow.tracking_flow(cap_frame, false);
                        }
                        detection_data.new_detection = true;    // to correct kalman filter
#endif //TRACK_OPTFLOW

卡尔曼滤镜，不建议使用，因为它并不十分准确，但可能适用于CCTV或固定摄像机。要使用卡尔曼滤波器，请将此值更改为true bool const use_kalman_filter = false;。看看第524〜532行

// track ID by using kalman filter
                        if (use_kalman_filter) {
                            if (detection_data.new_detection) {
                                result_vec = track_kalman.correct(result_vec);
                            }
                            else {
                                result_vec = track_kalman.predict();
                            }
                        }

自定义对象跟踪器，我使用了此自定义函数，在我的情况下，它的性能优于卡尔曼过滤器，它将为您提供每个对象的跟踪ID。

// track ID by using custom function
                        else {
                            int frame_story = std::max(5, current_fps_cap.load());
                            result_vec = detector.tracking_id(result_vec, true, frame_story, 40);
                        }

如何跟踪YOLOv3产生的输出？

1 个答案: