Image processing 在低分辨率运动视频中，目标检测的最佳方法是什么？

我正在寻找最快、更有效的方法来检测运动视频中的物体。关于这个视频需要注意的事情：它是非常颗粒和低分辨率，而且背景和前景同时移动

注意：我试图在移动视频中检测到道路上移动的卡车

我尝试过的方法：

训练Haar级联-我尝试训练分类器通过拍摄所需对象的多张图像来识别对象。这证明会产生许多错误检测或根本没有检测（从未检测到所需的对象）。我用了大约100张正片和4000张底片

SIFT和SURF关键点-当尝试使用这两种基于特征的方法时，我发现我想要检测的对象的分辨率太低，因此没有足够的特征来匹配以进行准确检测。（从未检测到所需对象）

模板匹配-这可能是我尝试过的最好的方法。这是最准确的，尽管是最粗糙的。我可以使用从视频中裁剪的模板检测特定视频的对象。但是，没有保证准确性，因为已知的是每个帧的最佳匹配，没有对匹配帧的模板百分比进行分析。基本上，只有当对象始终在视频中时，它才起作用，否则它将创建错误检测

这些是我尝试过的三大方法，但都失败了。最有效的方法是模板匹配，但具有缩放和旋转不变性（这让我尝试了SIFT/SURF），但我不知道如何修改模板匹配函数

---

有人对如何最好地完成这项任务有什么建议吗？

我们讨论的分辨率有多低？你能详细说明一下这个物体吗？它是一种特殊的颜色吗？它有图案吗？答案会影响您应该使用的内容

---

另外，我可能读错了你的模板匹配语句，但听起来你训练过度了（通过在从中提取对象的同一视频上进行测试）。

Haar Cascade需要大量的训练数据，并且对方向的任何调整都很不利

您最好的选择可能是将模板匹配与类似的算法以及概率模型相结合（您必须弄清楚这一点）卡车是否仍在图像中。

使用Gabor滤波器组进行低水平检测，然后使用响应创建特征空间，在其中训练SVM分类器

---

这项技术似乎工作得很好，至少具有尺度不变性。不过，我对旋转不太确定。

不知道您的应用程序，我最初的印象是，特别是因为我记得看到了一个纯粹的光学互相关器，它将车辆跟踪作为示例应用程序。（只使用光学元件和车辆侧面的图像跟踪车辆经过-我希望我能找到链接。）这与“模板匹配”类似（如果不完全相同的话），你说这是可行的，但如果图像旋转，这将不起作用，如你所知

然而，无论旋转、缩放、剪切和平移如何，都有一个有效的方法

我想这也可以跟踪对象是否离开视频场景，因为最大相关性将降低。

应用于图像，然后根据流场对其进行分割。背景流与“物体”流非常不同（物体流主要是发散或收敛的，取决于它是向你移动还是远离你，还有一些横向分量）

这是一个古老的项目，它是这样运作的：

---

卡车是如何定位的？它的形状/方向会改变吗？相机会改变位置吗？这是一个一次性的视频，还是一个需要在许多不同条件下工作的系统？我同意endolith的观点，关键是你要用更多的细节来定义问题。方法的选择将影响鲁棒性。卡车侧面的视图和水平移动的视图。车辆的形状变化不大，这就是模板匹配有效的原因，但我仍然希望我的方法具有鲁棒性。基本上，摄像机会左右平移，跟随几辆不同的车辆，而一些其他车辆会在背景中驶过。从本质上讲，我希望它在不止一种情况下工作（但主要处理类似质量的视频）。我最不想做的是在移动视频中检测移动对象。你能从视频中发布一个样本帧吗？分辨率是720x480，但视频质量很差。在这种分辨率下，视频非常像素化。关于模板匹配，我没有进行任何培训。我只是使用视频中的一个裁剪对象，然后从每一帧中搜索，你只是在一组数据上训练它。如果对象的照明和方向几乎没有变化，模板将很好地匹配。一旦这样做，准确率就会下降。尽管如此，还是要尽你所能使用所有的提示——特别是颜色，如果有的话。