Cuenta el número de personas en el video.

Estoy trabajando en el procesamiento de imágenes y en el proyecto de visión artificial. El proyecto es contar el número de personas que entran a la conferencia. Esta necesidad de hacerlo en OpenCV o Python.

Ya probé el Haar Cascade que está disponible en OpenCV para la parte superior del cuerpo: Detecte la parte superior del cuerpo utilizando OpenCV

Sin embargo, no aborda el requisito. El enlace de los videos es el siguiente:

https://drive.google.com/open?id=0B3LatSCwKo2benZyVXhKLXV6R0U

Si ve el archivo sample1, a los 0:16 segundos una persona está entrando a la sala, ese sería siempre el camino. La cámara está en la parte superior de la puerta.

Identificando personas de este flujo de video aéreo

Creo que hay una manera simple de abordar este problema. Los métodos de sustracción de fondo para detectar objetos en movimiento son justo lo que necesita porque el video que proporcionó parece tener solo un objeto en movimiento en cualquier momento: la persona que camina por la puerta. Por lo tanto, si sigue este tutorial en Python, debería poder implementar una solución satisfactoria para su problema.

Contando personas entrando / saliendo

Ahora, la primera pregunta que me viene a la mente es qué debería hacer si varias personas caminan por la puerta en intervalos de tiempo separados ( una persona camina en 10 segundos en el video y una segunda persona en 20 segundos en el video )? Aquí está la solución más simple a esta consideración que se me ocurre. Una vez que haya detectado la (s) burbuja (s) a través de la resta de fondo, solo tiene que rastrearla hasta que salga del marco . Una vez que abandona el marco, la próxima mancha que detectes debe ser una nueva persona que ingrese a la habitación y así podrás seguir contando. Si no está familiarizado con cómo rastrear objetos una vez que se han detectado, lea este tutorial . De esta manera, evitaría contar el mismo blob (es decir, la misma persona) que ingresa demasiadas veces.

Las dificultades en el procesamiento de entornos dynamics complejos

Si piensa que hay un alto nivel de tráfico a través de esa puerta, entonces el problema se vuelve mucho más difícil. Esto se debe a que, en ese caso, puede que no haya mucho fondo estacionario para sustraer en un momento dado y, además, puede haber mucha superposición entre los blobs detectados. Existe una gran cantidad de investigación activa en el área del seguimiento y la identificación autónomos de peatones, por lo que, en resumen, es una pregunta difícil que no tiene una solución sencilla y fácil de implementar. Sin embargo, si está interesado en leer sobre algunos de los enfoques potenciales que podría tomar para resolver estos problemas más desafiantes en la detección de peatones desde una vista aérea, le recomiendo que lea las respuestas a esta pregunta .

Espero que esto ayude, buena suerte encoding!