所以,伙计们,请帮助我为坐在计算机(便携式)前置摄像头前面的计算机的用户检测/跟踪手。我已经尝试过这些方法:
scaleFactor=1.3
和minNeighbors=70
而非常慢。如果降低minNeighbors
,则虚假警报将大大增加,小的反应角将覆盖整个视频帧。训练参数:opencv_traincascade -data data -vec samples.vec -bg neg.txt -numStages 16 -minhitrate 0.999 -maxFalseAlarmRate 0.5 -numPos 3200 -numNeg 3900 -w 24 -h 24 -mode ALL -precalcValBufSize 1024`` -precalcIdxBufSize 1024
火车LBP级联分类器(训练比haar级联更快,并且检测更接近实时,但是这种检测方法有很多误解)训练参数:opencv_traincascade -data lbp -vec samples.vec -bg neg.txt -numStages 25 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 3200 -numNeg 3900 -w 24 -h 24 -mode ALL -precalcValBufSize 4096 -precalcIdxBufSize 4096 -featureType LBP
我尝试了以下方法从numStages的不同值16到25。
Camshift算法来跟踪手源代码在此处http://pastebin.com/q5zK8cZt。怎么运行的?只需在检测到的物体周围标记4个点,此算法就必须对其进行跟踪并在周围绘制矩形。问题是,如果我开始移动手,则此矩形开始增大并覆盖整个视频帧。看来此算法仅适用于小物体(或物体与相机的距离很远)]]
也许我需要混合使用这些方法,否则您会建议其他方法?也许我需要训练神经网络,例如YOLO
所以,伙计们,请帮助我为坐在计算机(便携式)前置摄像头前面的计算机的用户检测/跟踪手。我尝试了以下方法:基于颜色的检测(我已经...
GPU服务器?不,您不需要:存在用于对象识别的web based backend。如果您想使用Yolo,您将需要标记一个巨大的图像训练集(每个班级大约2000)。我可以建议使用类似[]的脚本从here获取图像>
(function(global) {
const next = () => Array.from(document.querySelectorAll('.search-pagination__button-text'))[1].click();
const uuid = () => Math.random().toString(36).substring(7);
const sleep = (timeout = 5000) => new Promise((res) => setTimeout(() => res(), timeout));
global.urls = [];
global.next = () => next();
global.start = async () => {
for (let i = 0; i !== 81; i++) {
window.scrollTo(0,document.body.scrollHeight);
await sleep(5000);
document.querySelectorAll('.search-content__gallery-results figure > img[src]').forEach(({src}) => global.urls.push(src));
next();
await sleep(5000);
}
};
})(window);