Opencv 如何处理遮挡和碎片

我正在尝试为uni项目实施一个使用计算机视觉的人员计数系统。目前，我的方法是：

使用MOG2的背景减法

去除噪声的形态滤波器

轨迹斑点

计数通过指定区域（一行）的水滴

问题是，如果人们是集体来的，我的方法只计算一个人。从我的阅读资料来看，我相信这就是所谓的闭塞。另一个问题是，当人们看起来与背景相似时（穿深色衣服，穿过黑色的柱子/墙），斑点被分开，而实际上是一个人。

根据我所读的，我应该实现一个检测器+跟踪器（例如，使用HOG检测人类）。但是我的检测结果很差（例如，50%的误报率和50%的命中率；使用OpenCV人工检测器和我自己训练的检测器），因此我不相信使用检测器作为跟踪的基础。谢谢你的回答和时间阅读这篇文章

没有单一的“好”答案，因为处理遮挡（和背景减除）仍然是一个有待解决的问题！可以给出几个可能有助于您完成项目的指针

您希望检测“blob”是一个人还是一群人。你可以做几件事来处理这个问题

• 使用多个摄像头（不太可能从各个角度将一组人检测为单个斑点）
• 试着探测人体的某些部位。如果在一个水滴上检测到两个人头，那么就有多个人。3条腿、5个肩膀等也可以这样说

---

在跟踪“迷路”的人（一个人走在另一个物体后面）的领域，是推断它的位置。你知道一个人在两帧之间只能移动这么多。通过考虑到这一点，你知道在图像中间检测到用户是不可能的，然后突然消失。在几帧没有看到那个人之后，你可以放弃观察，因为那个人可能有足够的时间离开

在视频监控序列中跟踪人仍然是研究界的一个悬而未决的问题。然而，

粒子过滤器（PF）

（又名顺序蒙特卡罗）对于遮挡和复杂场景提供了良好的效果。你应该读书。在biblio之后还有到示例源代码的额外链接

使用PF的一个优点是通过检测（仅）跟踪的计算时间增加

---

如果你走这条路，请随意要求更好地理解PF背后的数学。

谢谢你的提醒，@Eric。我发现了几篇有关人员跟踪的相关文章或讨论，其中提到了粒子过滤器。--我一定会更深入地研究这些主题！另外，我猜你指的是粒子过滤器，而不是我看到的特殊过滤器，所以我需要改进和修改我的探测器，从完整的人体探测器到基于部件的人体探测器。我会读更多关于这方面的内容，因为我更熟悉检测，使用HOG、LBP、潜在SVM而不是多摄像机。谢谢Nallath！这有点像所谓的“文字袋”模型。