如何在视频流中只计算一次对象？(tensorflow，CNN)

Question

所以我遇到了一个小问题。假设我有一个人们过马路的视频-在这个例子中，假设摄像机看起来垂直于人们走过的方式(他们相对于摄像机直接水平行走)。

现在，我想从这段视频中数一数过马路的人数。

视频流是由20FPS的镜头组成的，我的问题是，我的AI模型评估的每一帧，每一帧都会返回X个人的数量(这不是我真正感兴趣的)。

所以问题是，我如何评估通过一系列帧的对象，而不是评估对象在任何特定帧中的存在？

我认为一种可能的方式是，当对一个人进行新的预测(比如超过90%的阈值)时，给它分配一些唯一的标识符，并尝试将该唯一标识符从一帧带到另一帧。

似乎有一种更简单的方法，有人知道吗？

Answer 1

在做了更多的研究之后，我遇到了另一个稍微相关的堆栈溢出问题：tensorflow object detection API(Calculate Car speeds.)

看起来OpenCV有跟踪能力。因此，也许我会对帧平方进行初步猜测，然后如果超过某个阈值，我会建议跟踪。

为了给更多的读者参考，有一个称为"Single Object Tracker“的跟踪器，它结合了一个对象检测模型，首先评估一个正方形，然后实现一种风格的跟踪器。