Отслеживание объектов с нуля с помощью OpenCV и Python

• Приветствие и представление Серхио, разработчика и консультанта в области компьютерного зрения.  

• Цель видео: создание отслеживания объектов с нуля.  

• Необходимые библиотеки: OpenCV Python.  

• Установка OpenCV Python через командную строку.  

• Ссылка на блог и исходный код в описании видео.  

• Загрузка демонстрационного видео и файлов для проекта.  

• Импорт библиотек cv2 и numpy.  

• Загрузка видео и извлечение кадров.  

• Объяснение, что видео состоит из множества кадров.  

• Перебор кадров в цикле.  

• Настройка задержки между кадрами для работы в реальном времени.  

• Завершение работы с видео и подготовка к обнаружению объектов.  

• Импорт функции обнаружения объектов.  

• Инициализация функции обнаружения объектов.  

• Обнаружение объектов на кадре и получение информации о них.  

• Рисование прямоугольников для обнаружения объектов.  

• Устранение ошибки при обнаружении пустых кадров.  

• Проверка наличия кадров перед обнаружением объектов.  

• Переход к отслеживанию объектов и объяснение его сложности.  

• Печать прямоугольников и координат для каждого кадра.  

• Инициализация счетчика для нумерации кадров.  

• Показ рамки в виде прямоугольника.  

• Подсчет количества кадров и вывод координат.  

• Обнаружение ограничивающих рамок вокруг автомобилей и транспортных средств.  

• Остановка кадров для фокусировки.  

• Обнаружение объектов на каждом кадре.  

• Отсутствие связи между координатами на разных кадрах.  

• Использование центральной точки ограничивающей рамки.  

• Вычисление центральной точки для каждого кадра.  

• Рисование круга для визуализации центральной точки.  

• Создание словаря для хранения центральных точек.  

• Сохранение положения точек в реальном времени.  

• Отображение всех точек для отслеживания объектов.  

• Сравнение точек на разных кадрах.  

• Присвоение однозначного идентификатора каждому объекту.  

• Использование готовых алгоритмов для сложных сценариев.  

• Проверка текущего кадра и ближайшего предыдущего кадра.  

• Сохранение центральных точек текущего кадра.  

• Создание копии центральных точек для сравнения.  

• Сравнение центральных точек текущего и предыдущего кадров.  

• Создание пустого массива для хранения предыдущих кадров.  

• Проверка положения точек в текущем и предыдущем кадрах.  

• Проверка расстояния между точками в текущем и предыдущем кадрах.  

• Использование математического модуля для расчета расстояния.  

• Добавление новых идентификаторов для отслеживаемых объектов.  

• Использование нескольких файлов и функций для организации кода.  

• Создание идентификаторов для отслеживания объектов.  

• Добавление центральной точки текущего кадра и увеличение идентификатора трека.  

• Печать объектов отслеживания для проверки.  

• Отображение центральной точки и идентификатора объекта.  

• Настройка отображения текста с идентификатором.  

• Некоторые объекты не получают идентификаторы из-за большого расстояния.  

• Сохранение одинаковых идентификаторов для объектов.  

• Улучшение функции для сравнения текущего кадра с уже отслеживаемыми объектами.  

• Сравнение текущего кадра с уже отслеживаемыми объектами.  

• Обновление местоположения и идентификатора объекта при малом расстоянии.  

• Создание функций для улучшения кода и отслеживания объектов.  

• Для отслеживания объектов нужно сделать минимум два кадра.  

• На первом кадре нет объекта слежения, поэтому значение count должно быть меньше или равно определенному значению.  

• При нажатии пробела отображается тот же идентификатор, но в другом положении.  

• Отслеживание работает, но нужно улучшить его.  

• При потере идентификатора он остается на месте, что не нужно.  

• Нужно удалять идентификатор, если объект не был обновлен.  

• Перебираем словарь и проверяем, нет ли обновленной позиции.  

• Если позиция не найдена, удаляем идентификатор.  

• Создаем переменную для отслеживания существования объекта.  

• Проверяем, существует ли объект, и удаляем его, если нет.  

• Если объект существует, продолжаем цикл по массиву.  

• Удаляем идентификатор объекта, если он не существует.  

• Нельзя удалять элементы из словаря при его переборе.  

• Нужно сделать копию словаря и удалить элементы из копии.  

• Код для отслеживания объектов становится длиннее.  

• При появлении новых машин нужно добавлять новые объекты.  

• Обновляем объекты отслеживания и текущий кадр centerpoint.  

• Если нет совпадения, добавляем новую точку.  

• Удаляем точки из списка, чтобы оставшиеся точки стали новыми.  

• Копируем центральные точки текущего кадра и объекты отслеживания.  

• Удаляем pt, чтобы оставшиеся точки стали новыми точками.  

• Печатаем текущий кадр с центральными точками.  

• Проверяем, что остались только новые точки при обнаружении нового объекта.  

• Проверяем количество ячеек без центральных точек.  

• Увеличиваем длину словаря для хранения идентификаторов.  

• Используем идентификатор трека для отслеживания объектов.  

• Удаляем утерянные идентификаторы и обновляем их местоположение.  

• Проверяем правильность отступов в коде.  

• Неправильный отступ может привести к ошибкам.  

• Важно правильно оформлять код в Python.  

• Убираем идентификаторы и придумываем новые идеи.  

• Исправляем ошибку двойного удаления элемента из списка.  

• Тестируем окончательную версию кода.  

• Запускаем код и ждем несколько секунд.  

• Проверяем, что отслеживание и идентификаторы остаются на автомобилях.  

• Отслеживание кажется хорошим на середине дороги, но можно улучшить.  

• Рассматриваем использование фильтра Калмана для улучшения.  

• Рекомендация использовать готовые алгоритмы для коммерческих проектов.  

• Полезные алгоритмы: сортировка и глубокая сортировка.  

• Весь код доступен по ссылке в описании.  

• Рекомендация писать код самостоятельно для лучшего обучения.  

• Анонс премиум-курсов по обнаружению объектов и созданию коммерческих проектов.  

• Ссылка на курс "Обнаружение объектов с помощью OpenCV и глубокого обучения".