OpenNI отслеживание человека с потолка с Asus Xtion Pro
Я хотел бы отследить путь людей с помощью Asus Xtion (позже со многими), смотрящего вниз с потолка.
Пример программы OpenNI под названием UserTracker (который использует User Generator узел) был бы идеальным, если бы он распознавал тела сверху, но не может. Поскольку мне не нужно точное отслеживание скелета, просто отслеживать практически любые движущиеся объекты на экране, я думаю, что есть более простой способ, чем переписать распознавание User Generator, так как я видел, что это будет сложно.
Может быть Scene Analyzer узел был бы хорош для этого, но я не знаю как.
Так что у кого-нибудь есть идея, с чего мне начать, какие классы OpenNI мне использовать и как?
Я много об этом искал и попал в OpenNI, как могу, но я немного новичок в этом, и это так глубоко.
Спасибо, Ц.
3 ответа
OpenNI: Чтобы узнать, как использовать OpenNI, взгляните на Кулинарную книгу OpenNI, и если вы не хотите покупать книгу, вы все равно можете использовать здесь исходные коды, реализованные в книге.
OpenNI + OpenCV: если вы хотите использовать OpenNi и OpenCV вместе, вы можете следовать этой документации. Если вам нужен пример кода, вы можете использовать этот исходный код.
Маркировка + отслеживание. Для маркировки и отслеживания объектов (в ваших телах) существует множество реализаций, доступных онлайн. В качестве примера, для маркировки, посмотрите на эту ветку. Для отслеживания вы можете использовать этот пример.
Для маркировки и отслеживания вместе, вы можете использовать этот.
Вы также можете взглянуть на проект OpenPTrack. OpenPTrack - это проект с открытым исходным кодом, запущенный в 2013 году для создания масштабируемого многокамерного решения для отслеживания людей. Это позволяет отслеживать много людей в больших количествах в режиме реального времени. Он предназначен для применения в образовании, искусстве и культуре, как начало
OpenNI UserTracker не предназначен для обнаружения тел сверху. Он обнаруживает движение и затем на основе установки порогового значения для глубины "движущейся капли", а некоторые внутренние алгоритмы классифицируют движущийся объект как тело, но не из вида сверху.
Вы можете просто разработать аналогичный алгоритм, если вы уверены, что объекты, движущиеся под камерой, - это все человеческие тела. Вы можете установить пороговое значение для глубины изображения, пометить разные капли как разные человеческие тела и отслеживать их. В качестве примера, проблема может быть решена, как описано здесь.