一个开源小项目,如何使用「分类网络」实现排球追踪
01
首先,基于排球的视频数据集数量稀少,有了真值标注的数据集更是少之又少,如何搜索合适的数据是一个不好处理的问题。 其次,排球本身形状较小,直接进行小物体检测,可能易于其他目标混淆,所以用检测实现追踪不是非常理想。 再考虑到实时性的需求,直接调用追踪框架,可能参数过多,实时测试性能表现不佳。
02
数据集选择与初始解决方案
球的形状固定,飞行轨迹为抛物线形,所以可能可以尝试用拟合路径的方式来替代。
如果可以把球所在的位置标出来,然后提取出来周围的像素,说不定可以拿来学习,帮助判断对应的一张输入图像有没有球,并且帮助映射球的飞行轨迹。
由于排球自身有落点的问题,每一次落点后轨迹都会断开重连,如何在不使用数据相关方法的基础上,设计方案使得衔接自然合理,也是一个重点。
03
使用前文提到的数据生成方法,产生真值数据供分类模型使用
使用深度学习网络建模分类,训练网络并产生预测结果
给定预测数据,送入深度学习网络进行预测,生成类标(预测是否为排球)
对属于排球的帧按照先后时间标记,依次生成追踪结果,用绿色圈标记
数据去背景
标定所有物体,产生物体框(使用cv2即可)
对于每一个潜在的物体框,按照排球的大概尺寸进行过滤,存储并切取当前像素对应的区块
04
结果展示
05
在看,让更多人看到
赞 (0)