Python 如何从yolo检测中制作稳定的视频

对于一个项目，我试图执行动作识别，我希望输入尽可能稳定（消除de视频中的所有其他运动）

这个动作识别的输入视频是从一个yolo网络的检测中获得的，在这个网络中，我在整个帧中匹配相同的对象。但现在我的问题是，来自这个yolo网络的检测并不总是相同的大小，而且在检测中，对象也不总是在同一个点上。只需调整检测的大小，就会在视频中产生不需要的运动

我试过使用learnopencv.org上的教程：

这样我就不用看电影了，可以使用我从yolo detections中保存的.jpg文件。 但这些图像的大小应该相同，以计算帧之间的光流

我认为一种可能的方法是使用sift或其他类型的关键点检测器来匹配每一帧，并以这种方式消除运动。但我想知道是否已经为这个做了什么

有人知道我如何裁剪或重新缩放图像，使其稳定吗？

---

或者是解决这个问题的另一种方法？

似乎您需要在检测矩形上安装一个粘接剂。为什么不尝试从opentld中取出部分代码？检查这个视频中的侧框是否是你想要实现的是的，看起来像！但我想知道当画面中有多个对象时，它是否也起作用？（背景：谷仓中动物的动作识别）只要是渐进的动作。那就好了。比如去吃饭，去散步。如果两个动物突然结合在一起，例如交配。那么，在正确预测阶级或运动方面可能会有问题嗯，这就是现在的问题，他们有时会突然爆发，开始奔跑、站立或躺在彼此旁边或上面。