मैं इस दृष्टिकोण के साथ कई संभावित समस्याओं को देख सकता हूं। मैं अपने स्वयं के अनुभव से यहां एक समान दृष्टिकोण के साथ पैदल गिनती प्रणाली में सुधार करने से बोलता हूं, इसलिए मुझे हतोत्साहित करने का मतलब नहीं है। इसके विपरीत, मैं आपको एक सटीक और मजबूत प्रणाली बनाने के लिए संभावित बाधाओं से आपको सावधान करना चाहूंगा।
सबसे पहले, पृष्ठभूमि विकल्प यह मान लेता है कि ब्याज की वस्तुएं हमेशा चलती रहेंगी, और जिन वस्तुओं की आपको गिनती में कोई दिलचस्पी नहीं है, वे पूरी तरह से अभी भी बनी रहेंगी। निश्चित रूप से पर्याप्त है, यह आपके परिदृश्य में मामला हो सकता है, लेकिन यह अभी भी बहुत सीमित धारणा है। मैंने पृष्ठभूमि विकल्प को रोशनी में बदलाव के लिए बहुत संवेदनशील माना है (मैं ज्यामितीय से सहमत हूं)।
यह धारणा बनाने से सावधान रहें कि एक बूँद = एक व्यक्ति , भले ही आपको लगे कि आपका वातावरण अच्छी तरह से नियंत्रित है। यह अक्सर ऐसा होता है कि लोगों के अनुरूप रक्त बहने लगता है क्योंकि वे आगे नहीं बढ़ रहे थे या वे बहुत छोटे थे, इसलिए वे कटाव या कुछ थ्रेसहोल्ड मानदंड द्वारा हटा दिए गए थे (और मेरा विश्वास करो, आप "में नहीं जाना चाहते" जब तक सब कुछ काम नहीं करता तब तक थ्रेशोल्ड ट्यून करें। यह काम नहीं करता;))। यह भी हो सकता है कि एक एकल बूँद दो लोगों के एक साथ चलने से मेल खाती है, या एक व्यक्ति किसी प्रकार का सामान ले जाता है। या एक कुत्ता। तो बूँद के बारे में चतुर धारणा मत बनाओ।
सौभाग्य से, जब से आप उल्लेख करते हैं कि आप व्यक्ति का पता लगाने के लिए एलबीपी का उपयोग कर रहे हैं , मुझे लगता है कि आप ऊपर के पैराग्राफ में गलतियां नहीं करने के लिए सही रास्ते पर हैं। मैं विशेष रूप से LBP की प्रभावशीलता पर टिप्पणी नहीं कर सकता। मैंने यह भी पढ़ा है कि एचओजी (ग्रेडिएंट्स का हिस्टोग्राम) लोगों का पता लगाने में कला पद्धति की एक अवस्था है, हिस्टोग्राम्स ऑफ ओरिएंटेड ग्रेजुएट्स फॉर ह्यूमन डिटेक्शन देखें ।
मेरा अंतिम पकड़ कैंषफ़्ट के उपयोग से संबंधित है । यह रंग हिस्टोग्राम में आधारित है, इसलिए, अपने आप में, यह अच्छी तरह से काम करता है जब किसी एक वस्तु को ट्रैक करना आसान होता है, जो रंग से अलग करना आसान है, जब तक कि ट्रैकिंग विंडो पर्याप्त बड़ी न हो और कोई बदलाव या अचानक परिवर्तन न हों। लेकिन जैसे ही आपको कई लक्ष्यों को ट्रैक करना होगा जो बहुत समान रंग विवरण हो सकते हैं और जो एक दूसरे के बहुत करीब पहुंच जाएंगे , आप बस एक एल्गोरिथ्म के बिना नहीं कर सकते हैं जो किसी भी तरह आपको कई परिकल्पना बनाए रखने की अनुमति देता है। यह एक कण फिल्टर या एक ढांचा हो सकता है जैसे MCMCDA (मार्कोव चेन मोंटे कार्लो डेटा एसोसिएशन, कई-लक्ष्य ट्रैकिंग के लिए मार्कोव चेन मोंटे कार्लो डेटा एसोसिएशन देखें)। कई वस्तुओं पर नज़र रखने के दौरान माईफशिफ्ट का उपयोग करने के साथ मेरा अनुभव वह सब कुछ है जो ट्रैकिंग के साथ नहीं होना चाहिए: ट्रैक खोना, लक्ष्य को भ्रमित करना, पृष्ठभूमि को ठीक करना, आदि। कई ऑब्जेक्ट ट्रैकिंग और डेटा एसोसिएशन समस्याओं के बारे में थोड़ा पढ़ें, यह इस पर हो सकता है सभी के बाद कई लोगों को गिनने का दिल (मैं कहता हूं "हो सकता है" क्योंकि आपका लक्ष्य गिनती नहीं कर रहा है, इसलिए मैं कुछ चतुर दृष्टिकोण की संभावना को पूरी तरह से नहीं छोड़ता हूं जो ट्रैकिंग के बिना मायने रखता है ...)
मेरी सलाह का अंतिम टुकड़ा है: केवल इतना है कि आप किसी दिए गए दृष्टिकोण के साथ कर सकते हैं , और बेहतर प्रदर्शन प्राप्त करने के लिए आपको कट्टरपंथी सामान की आवश्यकता होगी (इसलिए मैं इस संबंध में user36624 से असहमत हूं)। यह आपके एल्गोरिथ्म के एक टुकड़े को कुछ अधिक शक्तिशाली रूप से बदल सकता है, या वास्तुकला को पूरी तरह से बदल सकता है। बेशक, आपको यह जानना होगा कि कौन सा फैंसी सामान वास्तव में आपके लिए उपयोगी है। ऐसे प्रकाशन हैं जो समस्या को हल करने का प्रयास करते हैं, जबकि अन्य किसी दिए गए डेटा सेट के लिए एक एल्गोरिथ्म के साथ आते हैं और आपसे एक क्लासिफायर ट्रेन करने की अपेक्षा करते हैं जो वास्तव में समस्या के अनुकूल नहीं है, जबकि आपको इसकी आवश्यकता होती है कुछ थ्रेसहोल्ड भी समायोजित करें। लोग उनकी गिनती हैचल रहे शोध, ताकि चीजों के आसानी से आने की उम्मीद न करें। उन चीजों को सीखने का प्रयास करें जो आपकी क्षमता से थोड़ा परे हैं, और फिर बार-बार करें ...
मैं स्वीकार करता हूं कि मैंने कोई समाधान पेश नहीं किया है और इसके बजाय आपके दृष्टिकोण में केवल खामियां हैं (जो सभी मेरे अपने अनुभव से आते हैं)। प्रेरणा के लिए, मैं आपको कुछ हालिया शोधों को पढ़ने की सलाह देता हूं, उदाहरण के लिए रियल-टाइम सर्विलांस वीडियो में स्थिर मल्टी-लक्ष्य ट्रैकिंग । सौभाग्य!