实时视频的目标检测和运动分类需要建议

Question

我正在研究我的最后一个项目，我想做像amazon这样的对象检测和运动分类，我读过很多研究，比如使用SSD或YOLO进行对象检测，以及使用CNN+LSTM进行视频分类，我想提出这样的训练算法：

1. 用SSD/YOLO实时检测多个对象(在我的例子中: person)
2. 获取边界对象并裁剪帧
3. 将裁剪的帧信息提供给CNN+LSTM algo，以进行运动预测(如果人的行走/携带物品)

在实时环境下可以做到吗？或者有什么更好的方法来进行实时检测和运动分类。

Answer 1

也有同样的问题。在复杂的现实生活中，运动预测的效果不太好。这里有一个简单的例子：

​

(见实际行动)

我正在构建一个4K视频处理工具(一些例子)。目前的方法如下所示：

1. 做粗但超快的分割
2. 提取包围盒和形状
3. 运用一些“元视觉魔法”
4. 在指定区域内进行精确分割

​

(见实际行动)

到目前为止，与运动跟踪相比，该方法看起来更加灵活。

旨在适当跟踪形状演变的“元愿景”：

(见实际行动)

让我们比较一下：

• 元视觉障碍
• 元视觉启用