测量 2D 图像/视频中检测到的物体的距离

Question

我训练了一个 YOLO 姿势估计模型来检测视频中的猴子。我有 20 多小时的视频片段，来自一个稳定的 2D 摄像机，笼子里关着大约 12 只猴子。检测和关键点估计工作得很好，但现在我想通过增加社交接近度来扩展研究，但我无法理解它。

我研究了几种可能性：

• Dist_YOLO（https://www.mdpi.com/2076-3417/12/3/1354）
• 测量距离（https://blog.roboflow.com/computer-vision-measure-distance/）
• 物体检测器（https://github.com/noorkhokhar99/Real-Time-Object-Detection-and-Distance-Measurement-with-Computer-Vision/blob/main/object detector.py）

但是我还找不到适合我的情况的方法。

一些规格：

• 视频中有一个参考对象（一块木板），它是静态的并且始终具有相同的尺寸（~1m^2），并且我知道它的确切坐标和尺寸（以像素为单位）。
• 我知道（平均）猴子的大小（在现实生活中和以像素为单位）。
• 我还可以获取相机和参考物体之间的距离。

有人可以帮助我走上正轨吗？测量猴子之间距离的最佳选择是什么？ （一帧中猴子的数量范围为0到12）。

Answer 1

做了类似的事情，想知道你是怎么做的