Comment détecter une personne ?

Version imprimable

18/11/2008, 22h47
samplaid

Comment détecter une personne ?

bonsoir,

Je travaille à partir d'une séquence vidéo, j'ai isolé le foreground, maintenant j'aimerais bien reconnaitre une personne dans mon foreground. Comment faire?

Merci

PS : Je sais que plusieurs techniques existent, qu'il n'y a aucune technique fiable à 100%. J'aimerais une technique simple et efficace, je suis débutant et les maths, c'est pas mon fort lol.
19/11/2008, 08h55
samplaid

J'ai 2 techniques en têtes :

- histogramme à partir du foreground, de plus j'ai généré une carte de mouvements et transitions à partir d'un certains nombre d'images significatives. Ces cartes pourraient me servir de poids dans le calcul de statistique de détection de personne. Mais je ne sais pas comment interpréter une forme humaine dans un histogramme, je suis débutant et un peu perdu parmi toutes ces techniques?

- Un base de données de photos positives et négatives de personnes qui me permettrait de déterminer la personne (à partir de l'image originale ou en niveau de gris).

Que faire? La technique 1 est, je crois, moins performante que la 2. Mais la technique 2 doit sûrement prendre beaucoup plus de temps de calculs.

Bonjour,

Il existe une troisième technique, le HaarTraining, qui a l'avantage d'avoir un faible temps de calcul et ne nécessite presque aucune connaissance en mathématique.

La librairie OpenCV est distribuée avec un fichier XML pour le HaarTraining qui permet de détecter un corps en mouvement (fichier haarcascade_fullbody.xml).

Voici un exemple de code :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
 
/**
 * Détection et dessin de la position de l'objet.
 * 
 * @param _image Image source de la détection.
 * @param _cascade Structure nécessaire à la détection.
 */
void detect(IplImage *_image, CvHaarClassifierCascade *_cascade)
{
	int i, neighbors, flags;
	double scale;
	CvSeq *faces;
	CvSize size;
	CvRect *rectangle;
	CvPoint p1, p2;
	IplImage *gray;
 
	// Paramètres de la détection
	scale = 1.05;
	neighbors = 2;
	flags = 0; // ou CV_HAAR_DO_CANNY_PRUNING;
	size = cvSize(50, 50);
 
	// Allocation de l'espace mémoire de la détection
	if(storage == NULL)
		storage = cvCreateMemStorage(0);
	cvClearMemStorage(storage);
 
	// Conversion en niveau de gris
	gray = cvCreateImage(cvSize(_image->width, _image->height), 8, 1);
	cvConvertImage(_image, gray, CV_BGR2GRAY);
 
	if(_cascade != NULL)
	{
		// Détection de(s) objet(s) visibles sur l'image source
		faces = cvHaarDetectObjects(gray, _cascade, storage, scale, neighbors, flags, size);
 
		if(faces != NULL)
		{
			for(i = 0; i < faces->total; i++)
			{
				// Conversion en rectangle
				rectangle = (CvRect*) cvGetSeqElem(faces, i);
 
				// Calcule des points du réctangle
				p1.x = rectangle->x;
				p1.y = rectangle->y;
				p2.x = (rectangle->x + rectangle->y);
				p2.y = (rectangle->y + rectangle->height);
 
				// Dessin du réctangle sur l'image source
				cvRectangle(_image, p1, p2, CV_RGB(255,0,0), 3, 8, 0);
			}
		}
	}
 
	// Libération de l'espace mémoire en niveau de gris
	cvReleaseImage(&gray);
}

Cet exemple est inspiré de la documentation suivante :
http://www.cognotics.com/opencv/docs...rDetectObjects

Sam

19/11/2008, 13h22
samplaid

merci, je viens de tester mais je ne trouve pas cela très performant. J'aimerais bien tester les autres aussi.