使用OpenCV和深度学习在视频中跟踪对象

时间:2019-03-04 18:37:12 阅读:12次
摘要
无论您是计算道路上的汽车还是传送带上的产品,都有许多用于计算机视觉的视频用例。使用视频作为输入,您可以使用自动标签创建更好的分类器,减少手动操作。此代码模式向您展示如何创建和使用分类器来识别运动中的对象,然后在对象进入指定的感兴趣区域时跟踪和计数对象。
描述
无论是汽车交通,人流量还是传送带上的产品,都有许多用于跟踪潜在客户,实际客户,产品或其他资产的应用程序。随着视频摄像机无处不在,企业可以通过计算机视觉从他们那里获得有用的信息。将此技术应用于视频比旧方法更实用(例如,使用特殊硬件或计算车辆流量的人)。
此代码模式说明了如何使用PowerAI Vision视频数据平台,OpenCV和Jupyter笔记本创建视频汽车计数器。您将使用一些手动标签和大量自动标签来训练对象分类器以识别高速公路上的汽车。您将另外的车载视频加载到Jupyter笔记本中,您将处理各个帧并注释视频。
您将使用部署的模型进行推理,以定期间隔检测帧样本上的汽车,并且您将使用OpenCV在推理之间逐帧跟踪汽车。除了在检测到汽车时对它们进行计数,您还可以计算每条车道的“终点线”,并显示每秒的汽车数量。
完成此代码模式后,您将了解如何:
使用自动标注从视频创建对象检测分类器
使用Jupyter Notebook,OpenCV和PowerAI Vision处理视频帧
使用PowerAI Vision检测视频帧中的对象
使用OpenCV跟踪帧与帧之间的对象
当对象进入感兴趣的区域时对其进行计数
使用边界框,标签和统计信息注释视频

使用PowerAI Vision Web UI上传视频。
使用自动标签并训练模型。
部署模型以创建PowerAI Vision推理API。
使用Jupyter笔记本来检测,跟踪和计算视频中的汽车。
说明
在README中查找此模式的详细步骤。这些步骤将告诉您如何:
在Video Data Platform中创建数据集。
训练和部署模型。
自动标记对象。
运行笔记本。
创建带注释的视频。
使用OpenCV和深度学习在视频中跟踪对象所属专题:跟踪 深度 《使用OpenCV和深度学习在视频中跟踪对象》链接:http://www.zhouchuanxiong.net/696

使用OpenCV和深度学习在视频中跟踪对象相关文章

  • 在Kubernetes上部署和使用多框架深度学习平台
  • 创建一个Web应用程序以与机器学习生成的图像标题进行交互
  • 创建一个Web应用程序,以便与使用机器学习检测到的对象进
  • 机器学习模型的性能评估
  • 构建机器学习推荐引擎,以鼓励基于过去购买行为的额外购买
  • 使用内部部署数据训练基于云的机器学习模型
  • 使用Watson Machine Learning和IBM Db2 Warehouse on Cloud持续学习
  • 部署深度学习驱动的“魔术裁剪工具”
  • 使用机器学习预测心脏病
  • 使用Watson OpenScale监控自定义机器学习引擎
  • 使用Watson OpenScale监控Sagemaker机器学习
  • 使用机器学习和高级分析分析物联网传感器数据
  • 使用Watson OpenScale监控Azure机器学习
  • 从计算机中学习大脑,反之亦然
  • 机器学习分支出来
  • 更好的机器学习
  • 通过玩游戏来学习语言
  • 更灵活的机器学习
  • 深度学习算法可以预测照片在“近人”级别的可记忆性
  • 像人一样学习的机器
  • 建筑学习的先驱,名誉教授Seymour Papert在88岁时去世
  • 计算机通过观看视频来学习识别声音
  • 从图片中学习单词
  • 利用机器学习来改善患者护理
  • ML 2.0:许多机器学习
  • 麻省理工学院健康机器学习的Abdul Latif Jameel诊所旨在彻底改变疾病预防,检测和治疗
  • 机器学习系统同时处理语音和对象识别
  • 学习语言的机器就像孩子一样
  • 麻省理工学院开放式学习启动了高级虚拟化中心
  • 深度学习技术在黑暗中揭示“隐形”物体