开发者社区> 问答> 正文

智能视频分析的存在问题有哪些?

智能视频分析的存在问题有哪些?

展开
收起
游客hcbl7nscg7phu 2022-03-14 22:41:56 1352 0
1 条回答
写回答
取消 提交回答
  • 实际环境中光照变化、目标运动复杂性、遮挡、目标与背景颜色相似、杂乱背景等都会增加目标检测与跟踪算法设计的难度,其难点问题主要在以下几个方面: 背景的复杂性:光照变化引起目标颜色与背景颜色的变化,可能造成虚假检测与错误跟踪。采用不同的色彩空间可以减轻光照变化对算法的影响,但无法完全消除其影响;场景中前景目标与背景的相互转换,与行李的放下、拿起,车辆的启动与停止;目标语背景颜色相似时会影响目标检测与跟踪的效果;目标阴影与背景颜色存在差别通常被检测为前景,这给运动目标的分割与特征提取带来困难。 目标特征的取舍:序列图像中包含大量可用于目标跟踪的特征信息,如目标的运动、颜色、边缘以及纹理等。但目标的特征信息一般是时变的,选取合适的特征信息保证跟踪的有效性比较困难。 遮挡问题:遮挡是目标跟踪中必须解决的难点问题。运动目标被部分或完全遮挡,又或是多个目标相互遮挡时,目标部分不可见会造成目标信息缺失,影响跟踪的稳定性。为了减少遮挡带来的歧义性问题,必须正确处理遮挡时特征与目标间的对应关系。大多数系统一般是通过统计方法预测目标的位置、尺度等,都不能很好地处理较严重的遮挡问题。 兼顾实时性与鲁棒性:序列图像包含大量信息,要保证目标跟踪的实时性要求,必须选择计算量小的算法。鲁棒性是目标跟踪的另一个重要性能,提高算法的鲁棒性就是要使算法对复杂背景、光照变化和遮挡等情况有较强的适应性,而这又要以复杂的运算为代价。

    2022-03-14 22:42:18
    赞同 展开评论 打赏
问答分类:
问答地址:
问答排行榜
最热
最新

相关电子书

更多
云端大规模视频分析:MaxCompute在视觉计算中的应用 立即下载
深度学习在智能视频分析和理解中的应用 立即下载
安防视频监控数据存储解决方案蓝皮书 立即下载