HOG Person Detector：背景减影图像的误报检测
HOG Person Detector: False Positive detections on background subtracted images
我正在做一个需要检测场景中人物的项目。
最初在 运行 原始帧上的 HOG 检测器之后，一个特定的背景对象在所有帧上都被检测为一个人，给我 3021 个误报检测。
所以我采取了合乎逻辑的步骤，通过对所有帧应用背景减法器 (BackgroundSubtractorMOG2) 来移除静态背景。
生成的帧如下所示：
然后将这些蒙版图像添加（使用 bitwise_and）到原始图像，因此白色像素被替换为构成人物的像素。
样本：
然后我 运行 这些图像上的 HOG 检测器给出了这样的结果：
如您所见，出于某种原因存在大量误报检测。我认为做背景减法会比在原始图像上使用 HOG 给我更好的结果。
谁能告诉我为什么这种方法有这么多误报？以及如何改进背景减影图像的检测？
问题是您通过删除背景改变了图像的性质。所以，HOG 检测器是用正常图像训练的，没有人工黑色像素，现在你给它喂人工改变的图像，所以它会以一种奇怪的方式执行是正常的（仍然不明白顶部的检测虽然图像..)
如果您想在背景减除之上使用 HOG 检测器，您应该使用从背景减除图像中获取的特征来训练 HOG 分类器。
您可以尝试一件事（如果这不会影响您的应用程序的性能），即在有背景和无背景的两个图像上使用 HOG 检测器，并且只接受在两个图像上明显重叠的检测，这可能从两个图像中删除一些误报。
PS：HOG 专门设计用于通过检测强边缘并针对 SVM 模型对其进行测试来处理原始图像。通过移除背景，我们正在创建有点违背使用 HOG 目的的人工边缘。但我认为您可以按照我在上一段中的建议使用它来消除错误检测。
我正在做一个需要检测场景中人物的项目。
最初在 运行 原始帧上的 HOG 检测器之后，一个特定的背景对象在所有帧上都被检测为一个人，给我 3021 个误报检测。
所以我采取了合乎逻辑的步骤，通过对所有帧应用背景减法器 (BackgroundSubtractorMOG2) 来移除静态背景。 生成的帧如下所示：
然后将这些蒙版图像添加（使用 bitwise_and）到原始图像，因此白色像素被替换为构成人物的像素。
样本：
然后我 运行 这些图像上的 HOG 检测器给出了这样的结果：
如您所见，出于某种原因存在大量误报检测。我认为做背景减法会比在原始图像上使用 HOG 给我更好的结果。
谁能告诉我为什么这种方法有这么多误报？以及如何改进背景减影图像的检测？
问题是您通过删除背景改变了图像的性质。所以，HOG 检测器是用正常图像训练的，没有人工黑色像素，现在你给它喂人工改变的图像，所以它会以一种奇怪的方式执行是正常的（仍然不明白顶部的检测虽然图像..)
如果您想在背景减除之上使用 HOG 检测器，您应该使用从背景减除图像中获取的特征来训练 HOG 分类器。
您可以尝试一件事（如果这不会影响您的应用程序的性能），即在有背景和无背景的两个图像上使用 HOG 检测器，并且只接受在两个图像上明显重叠的检测，这可能从两个图像中删除一些误报。
PS：HOG 专门设计用于通过检测强边缘并针对 SVM 模型对其进行测试来处理原始图像。通过移除背景，我们正在创建有点违背使用 HOG 目的的人工边缘。但我认为您可以按照我在上一段中的建议使用它来消除错误检测。