Riconoscimento di pedoni (Detecting Pedestrians)

[airk]

Ciao a tutti, è stato un piacere conoscere l'esistenza di tale forum.
Come da titolo mi occupo di (Detecting Pedestrians). Per ora ho utilizzato la libreria OpenCv e Visual C++ 2005 e mi sembra abbastanza ottimale (almeno per quando riguarda il riconoscimento di facce). Ora passero al processo di addestramento per il riconoscimento di un pedone utilizzando "haartraining" speriamo bene.
Ed infine utilizzero un filtro di particelle per il tracking in un video.
Sono in attesa dei vostri consigli.

Prima curiosità (anche se non importante): E' possibile trasformare il form creato da cvShowImage in un child form cosi da avere un'applicazione MDI o devo utilizzare per forza la trasformazione da IplImage a Bitmap e vicerversa??

[franco.amato]

Dipende con che amiente di sviluppo lavori.
Credo di si che sia possibile, naturalmente se lavori con MSVC++ non ti serve la trasformazione da IplImage a Bitmap, ma ti serve se lavori sul Borland.
Frank

[airk]

Si sto lavorando in MSVisual C++ (Microsoft Visual Studio 2005).

L'idea era quella di trasformare un IplImage in Bitmap cosi da poter utilizzare l'immagine in un PictureBox in un form figlio.

Se puoi consigliarmi una procedura diversa più facile ed ottimale ancora meglio. Oppure il modo di prendere il controllo del form utilizzato da OpenCv e farlo diventare un form figlio.

Sai dirmi per caso dove poter prendere delle immagini positive di pedoni per l'addestramento cosi posso provare direttamente senza utilizzare la videocamera.

Sempre per il training process mi consigli di utilizzare cvhaartraining??

[franco.amato]

Butta un occhio a CImage, dovrebbe essere sotto HighGui in OpenCV. Se devo essere sincero non so di preciso come puoi fare quello sotto MSVC, ma credo che se ci riesci farai felice mezzo forum di OpenCV, in quanto vedo che è un topic super richiesto.
Dai un occhiata qua: http://metteogmorten.adr.dk/ImagePro...stomzing1.html

Per quanto riguarda l'addestramento per riconoscere i pedoni, sei sicuro che non ci sia qualcosa di pronto? Al limite lo devi testare.
Mi ricordo che c'era un pedestrian detection by Hannes Kruppa ma sinceramente non trovo piu il link.
Fammi sapere.
Frank

[franco.amato]

e gia che ci sei guarda anche qua
http://www.codeproject.com/directx/LiveVideo.asp
Frank

[franco.amato]

e qua
http://www.cs.ucf.edu/~lspencer/vid_app.pdf
Frank

[airk]

Non riesco ancora a trovare una soluzione delicata e ottimale inventerò qualcosa.

Ora il problema più grosso e interessante è quello dell'addestramento.
Non riesco a far funzionare il haartraining qualcuno può aiutarmi????

[Flavio58]

Se vuoi dare un occhiata ai sorgenti del software usato anche nella metropolitana di Liverpool gaurad qui :

http://www.siebel-research.de/people...eople_tracker/


Qui trovi altra documentazione su il metodo usato come base del progetto :

http://www.scs.leeds.ac.uk/imv/


I sorgenti li prelevi qui :

http://www.siebel-research.de/people...er-1.28.tar.gz

[airk]

Grazie gli darò un occhiata.

Scusate ancora se faccio domande forse banali ma sapete a quest'ora la concentrazione inizia a diminuire. L'output del haartraing è un inieme di cartelle contenenti un file txt per i risultati come faccio a trasformare questi dati in un file .xml??????

[Flavio58]

Tramite il programma haartraining che trovi sotto

opencv\apps\HaarTraining


Nel documento è spiegato come creare campioni positivi (l'oggetto da riconoscere), i campioni negativi (oggetti presenti nelle immagini ma che non sono l'oggetto da riconoscere) e foto miste dove l'oggetto è presente in forma distorta.
A volte sono necessarie m oltissime foto.
Io ad esempio per fare un estrattore di targhe ho doivuto scrivere un generatore.
In pratica prima genera delle immagini di targhe e le mette dentro a un database.
Poi mediante foto di macchine ritagliate e foto di strade crea immagini reali dove ci sono macchine con targhe.

[franco.amato]

Figo il tuo generatore di targhe
Frank

[Flavio58]

Con la lagge sulla privacy come facevo se no ad avere un database di immagini di macchine targate da istruire reti neurali o sistemi di calssificatori haar ? Adaboost è considerato il miglior sistema per l'estrazione di targhe solo che devi avere migliaia di foto ....



http://www-staff.it.uts.edu.au/~hfzh...PR06_Zhang.pdf
http://www-cse.ucsd.edu/classes/fa05...2c_lpr_mmr.pdf

[airk]

Ottima idea creare un generatore di targhe anche se con i pedoni diventa un po più difficile (un pedone si muove in tanti modi).

Ma siete sicuri (scusate se insisto) che haartraining.exe dia in output un file xml???? Io ho tanti file txt con il seguente nome: AdaBoostCARTHaarClassifier.txt raggruppati in varie cartelle numerate da 0 ...

[Flavio58]

Ma no. Quelli sono i file di controllo.
Haartraing crea una struttura di directory del tipo

<DIR> 1
<DIR> 2

dove dentro ci sono i files di controllo ....
In OpenCV esiste una funzione che prende questa configurazione di directory e files e li converte in un file .XML

#ifdef _CH_
#pragma package <opencv>
#endif

#ifndef _EiC
#include "cv.h"
#include "highgui.h"
#include <stdio.h>
#endif

int main( int argc, char** argv )
{
    const char* size_opt = "--size=";
    char comment[1024];
    CvHaarClassifierCascade* cascade = 0;
    CvSize size;

    if( argc != 4 || strncmp( argv[1], size_opt, strlen(size_opt) ) != 0 )
    {
        printf( "Usage: convert_cascade --size=\"<width>x<height>\" input_cascade_path output_cascade_filename\n" );
        return -1;
    }

    sscanf( argv[1], "--size=%ux%u", &size.width, &size.height );
    cascade = cvLoadHaarClassifierCascade( argv[2], size );

    if( !cascade )
    {
        fprintf( stderr, "Input cascade could not be found/opened\n" );
        return -1;
    }

    sprintf( comment, "Automatically converted from %s, window size = %dx%d", argv[2], size.width, size.height );
    cvSave( argv[3], cascade, 0, comment, cvAttrList(0,0) );
    return 0;
}

#ifdef _EiC
main(1,"facedetect.c");
#endif

Questo programma converte la struttura in XML

[airk]

Grazie ora è tutto più chiaro.

Ora speriamo che funzioni con questi pedoni devo fare un po di prove.

[franco.amato]

C'è un tool che ti converte una root di directory in un file xml....mi sembra si chiami haarconvert qualcosa.
Frank

[Flavio58]

Mi era venuta in mente una cosa ....
In OpenCV un sistema che serve a riconoscere i gesti della mano utilizzano il sistema dell'identificazione dei contorni.
In effetti questa tecnica è utilizzabile anche per quanto riguarda la problematica del identificazione pedoni.
E infatti andando a cercare nel mio database gestito con URLBase6 di links ho trovato :

http://www.health.herts.ac.uk/ken/vision/

Peccato che gli sviluppi siano su MAC.


Se invece vuoi qualche cosa per comprendere algoritmicamente la questione fatta in matlab ...

http://neilalldrin.com/research/f03/cse252c/

[Flavio58]

Adesso è ancora meglio :



http://www.bernardotti.it/GeneratoreTarghe.pdf

[airk]

Ho ancora tantissimi problemi con il training del mio sistema pedonale.

Cerco di utilizzare i tools createsamples e haartraining (essendo che ci sono non vorrei implementarli di nuovo).

Procedo in questo modo:
Creo il mio vettore di immagini positive con createsamples e funziona abbastanza bene anche se mi costringe a un resize dei miei pedoni (non capisco concettualemnte perchè non posso avere pedoni di grandezza diversa in addestramento?)

createsamples -info train.txt -vec train.vec -bg bg.txt -num 20 -w 14 -h 28 - show
Esempio di train.txt:
filmato1/filmato1.jpg 2 155 12 14 60 200 56 15 50

Poi utilizzo haartraining per l'addestramento
haartraining -data cascade -vec train.vec -bg bg.txt -nstages 20 -nonsym -mode ALL -w 14 -h 28

Si blocca sempre sullo stage 0 al 1 cluster senza dare nessuna eccezzione.

E' vero che sono pochissimi le immagini positive e negative ma dovrebbe comunque andar a buon fine.

Per favore ogni suggerimento sarà di aiuto! GRAZIE!

[Flavio58]

Hai mai visto sotto la directory DATA di opencv il file chiamato haarcascade_fullbody.xml ?

Fullbody ?

Non è che sia quello che vuoi fare te ?

Ad ogni modo non sonop pienamente convionto che i classificatori haar siano cosa buona e giusta. E' veramente cosa buona e giusta utilizzare un classificatore haar in un scena dinamica dove i pedoni potrebbero essere tanti, nascosti ecc. ecc. (mi ricorda una scena eclesiastica) ?
Ci sono metodi piu' funzionali e veloci.

Comqunue se vuoi fare in fretta a gestirti dove si trovano i bitmap in una foto (ovvero dove si trovano le persone) usa ImageJ.


http://rsb.info.nih.gov/ij/


Questo programma ha il video annotator che permette di tenere traccia dove si trovano certe cose.





Stesse dimansioni ?
Non penso ....
Nel file dei compaioni positivi le cordinate sono dfate x,y, larg, alt .....

[airk]

Nel file di campioni positivi le dimensioni so diverse come si evince dal mio esempio fatto precedentemente, però quando si utilizza createsamples si è costretti ad avere un campione con dimensioni fisse inserendo i parametri -w -h altrimenti per default li ha a 24x24, ed è una cosa poco elegante per il mio parere. Al massimo cercherò di analizzare un po il codice e di cambiarlo s'è possibile.

Certo che ho utilizzato haarcascade_fullbody.xml fornito dalla libreria OpenCv (ma non solo anche altri in web) ma i risultati non sono sempre dei migliori (visione del profilo del corpo).
Può darsi che è il mio modo di gestire l'immagine o i parametri della funzione cvHaarDetectObjects sono errati (in questo caso accetto suggerimenti).

Vi mostro alcuni esempi:

cvHaarDetectObjects(image,cascade,storage,1.1,1,0)

[img]c:pedone1.jpg[/img]

Viene individuata la signora in fondo a sx e non la ragazza in bianco

[img]c:pedone2.jpg[/img]

Qua funziona benissimo

[img]c:pedone3.jpg[/img]

Grazie della pazienza!!!!

[airk]

Vi allego le immagini.

[Flavio58]

Belle le faccine nelle immagini .....

Mi hai mostrato una forma di cvHaarDetectObjects .....
Spero che fosse la spiegazione sul manuale in quanto ad esempio il parametro fginale è quello che trovi nella specifica <size> del file xml.

<opencv_storage>
<haarcascade_fullbody type_id="opencv-haar-classifier">
<size>14 28</size>
<stages>

ces = cvHaarDetectObjects(small_img, cascade, storage, 1.2, 2, CV_HAAR_DO_CANNY_PRUNING, cvSize(14, 28) );

Io ti dico sinceramente che non ricordo il fatto che le immagini devono essere delle stesse diomensioni tanto che i file di settaggio usano dimansioni differenti (parlo di esempi).

/img
img1.jpg
img2.jpg
info.dat



File info.dat:
img/img1.jpg 1 140 100 45 45
img/img2.jpg 2 100 200 50 50 50 30 25 25


Po magari sbaglio .....

[airk]

Scusami se insisto può darsi che mi sfugge qualcosa.
Riepilogo:
1) Creo il file info.dat come da esempio per i campioni positivi
2) Creo il file bg.txt nello stesso modo (logicamente solo con i nomi del file)
3) utilizzo la funzione haartraining
haartraining -data cascade -vec info.dat -bg bg.txt ..........
Quello che ottengo è un errore di questo tipo:
Unspecified error (vec file sample size mismatch) ......

Riepilogo 2:
1) Creo il file bg.txt per i campioni negativi
2) Creo il file info.dat come da esempio per i campioni positivi
3) Utilizzo la funzione createsamples che mi crea il .vec per i campioni positivi
impostando la dimensione 14*28 (-w 14 -h 28)
4) Utilizzo la funzione haartraining utilizzando alla fine la dimensione 14*28
La funzione da esito positivo (ma se dimentico di impostare le dimensioni 14*28 mi da lo stesso errore di sopra)

Credo di commettere degli errori ma non so quali?

[airk]

Flavio, sei l'unico che mi può aiutare ad utilizzare per bene haartraining.

Il file haarcascade_fullbody.xml fornito dalla libreria funziona abbastanza bene ma il mio obiettivo è quello di aver un sistema flessibile dov'è possibile addestrarlo in base all'esigenze.

E' possibile partire dal pacchetto di funzioni haartraining per aver un addestramento dove il data set può variare in base all'esigenze. Esempio utilizzando un Data Set con informazioni sul viso (naso,bocca ect..)?

[Flavio58]

A parte il fatto che devi avere un bel po d'immagini per addestrare il classificatore.
Io adesso per le targhe ho dovuto scrivere un generatore di targhe e di immagini false con macchine e paesaggi vari, scritte pubblicitarie ecc.
Devo dargli un occhiata al discorso delle dimansioni in quanto l'ultima volta che ho addestrato un classificatore era per l'identificazione delle immagini retinali e allora mi sembrava di ricordare che gli esempi fossero di dimesnioni, di numero per immagine e di posizione differenti.
A parte questo non ho molta convinzione sull'uso dei classificatori in un ambiente pedoni in particolar modo se messo in un ambiente esterno.
Mi spiego meglio.
Alla fine la classificazione utilizza un sistema pseudo statistico.
Esistono condizioni ambientali di luce/cromaticità che simula l'oggetto classificato.
Ad esempio se prendi un riconoscimento facciale e lo lasci funzionare tutto il giorno ti accorgerai che arriuverai ad una certa ora del passaggio notte/giorno o giorno/notte che semplici pezzi di muro, oggetti o roba che comqaunue non sono facce inizieranno ad essere prese per volti e questo a raffica per cui se farai basare delle segnalazioni su queste identificazioni sarai rovinato.
E questo perchè le condizioni di luce creeranno su queste porzioni del mondo reale del blob o gruppi di pixels che confonderanno il classificatore.

Prova a dare una occhiata a :


http://www.gavrila.net/Publications/iv05.pdf

Altri documenti sulla classificazione li trovi :

http://www.gavrila.net/Publications/publications.html

http://lear.inrialpes.fr/people/trig...zhu-cvpr06.pdf

http://www.sfb588.uni-karlsruhe.de/p...in_CLEAR06.pdf

[franco.amato]

***** strafigo il tuo generatore

Frank

[airk]

Tutte giuste osservazioni.
Articoli molto interessanti e tramite il link che m'hai dato sto assumendo tantissime informazioni (ci sono tantissimi database su facce ma niente pedoni ne conosci qualcuno??)

Per l'addestramento del tuo classificatore per le immagini retinali hai utilizzato l'haartraining di opencv?? (Se si cerca di riguardare quel fatto delle dimensioni e spiegami come si utilizza sta funzione altrimenti devo buttare giù un codice nuovo che mi faccia l'addestramento)

Grazie mille per la tua attenzione

[franco.amato]

Ciao Flavio sarei molto interessato a quel classificatore per immagini retinali. Lo hai fatto tu o l'hai cuccato da qualche parte?
Frank

[Flavio58]

Non ricordando piu' sono andato a vedere un sistyema per la creazione del sistema di classificazione per i gesti della mano.
Le dimensioni sono variabili....
Non potendo mettere anche le immagini ti metto i files di comando :

createsamples.exe -info positive.txt -vec positive.vec -num 1362 -w 20 -h 20

misiaDark29.jpg 1 95 28 80 101
misiaDark30.jpg 1 97 27 75 100
misiaDark31.jpg 1 127 41 84 104
misiaDark32.jpg 1 147 48 91 110
misiaDark33.jpg 1 145 99 100 95
misiaDark34.jpg 1 153 128 79 83
misiaDark58.jpg 1 66 42 88 90
misiaDark59.jpg 1 77 47 88 85
misiaDark60.jpg 1 95 58 79 89
misiaDark61.jpg 1 96 59 75 94
misiaDark62.jpg 1 93 58 79 96
xavBehind0.jpg 1 24 60 92 112
xavBehind1.jpg 1 9 4 101 116
xavBehind10.jpg 1 117 20 96 116
xavBehind100.jpg 1 3 50 105 127
xavBehind101.jpg 1 2 52 109 128
xavBehind102.jpg 1 6 60 108 128
xavBehind103.jpg 1 33 39 119 132
xavBehind107.jpg 1 179 34 109 142
xavBehind108.jpg 1 169 53 114 133
xavBehind109.jpg 1 155 65 111 131
xavBehind11.jpg 1 147 27 95 119
xavBehind110.jpg 1 142 68 115 135
xavBehind111.jpg 1 82 57 106 133
xavBehind112.jpg 1 62 44 112 125
xavBehind113.jpg 1 63 69 114 132
xavBehind114.jpg 1 71 81 116 134
xavBehind115.jpg 1 193 48 118 134
xavBehind116.jpg 1 188 63 120 140
xavBehind117.jpg 1 187 71 116 151
xavBehind118.jpg 1 129 149 111 115
xavBehind119.jpg 1 115 144 112 115
xavBehind12.jpg 1 148 27 98 115
xavBehind120.jpg 1 110 139 110 118
xavBehind121.jpg 1 103 129 99 127
xavBehind127.jpg 1 138 93 116 144
xavBehind128.jpg 1 85 104 111 139
xavBehind129.jpg 1 73 100 111 147
xavBehind13.jpg 1 154 28 95 116
xavBehind130.jpg 1 56 97 109 137
xavBehind131.jpg 1 39 89 122 141
xavBehind132.jpg 1 31 73 109 140
xavBehind133.jpg 1 37 41 104 145
xavBehind134.jpg 1 51 34 109 147
xavBehind135.jpg 1 137 17 113 145
xavBehind136.jpg 1 148 24 115 145
xavBehind137.jpg 1 158 55 114 131
xavBehind138.jpg 1 156 66 102 138
xavBehind139.jpg 1 150 68 113 131
xavBehind14.jpg 1 166 18 101 121
xavBehind140.jpg 1 69 105 105 132
xavBehind141.jpg 1 25 60 110 136
xavBehind142.jpg 1 38 59 107 140
xavBehind15.jpg 1 177 22 97 120
xavBehind16.jpg 1 180 35 97 136
xavBehind17.jpg 1 177 55 96 137
xavBehind18.jpg 1 140 98 94 125
xavBehind19.jpg 1 131 105 106 119
xavBehind2.jpg 1 75 20 96 118
xavBehind20.jpg 1 118 110 101 114
xavBehind21.jpg 1 111 116 103 121
xavBehind22.jpg 1 106 116 93 118
xavBehind23.jpg 1 100 119 98 118
xavBehind24.jpg 1 90 120 91 120
xavBehind25.jpg 1 78 119 97 116
xavBehind26.jpg 1 77 121 97 116
xavBehind3.jpg 1 82 23 92 115
xavBehind35.jpg 1 9 77 100 113
xavBehind36.jpg 1 14 72 102 115
xavBehind37.jpg 1 22 67 99 120
xavBehind38.jpg 1 32 58 95 115
xavBehind39.jpg 1 23 48 102 119
xavBehind4.jpg 1 82 23 95 119
xavBehind40.jpg 1 22 24 103 119
xavBehind41.jpg 1 18 21 104 129
xavBehind42.jpg 1 19 21 106 127
xavBehind43.jpg 1 50 22 110 119
xavBehind44.jpg 1 61 20 108 125
xavBehind45.jpg 1 98 16 110 127
xavBehind46.jpg 1 104 15 112 124
xavBehind47.jpg 1 111 9 111 128
xavBehind48.jpg 1 130 6 114 126
xavBehind49.jpg 1 175 6 115 134
xavBehind5.jpg 1 94 29 98 119
xavBehind50.jpg 1 185 88 114 124
xavBehind51.jpg 1 167 117 107 121
xavBehind52.jpg 1 169 118 98 115
xavBehind53.jpg 1 167 121 96 113
xavBehind6.jpg 1 92 31 99 116
xavBehind61.jpg 1 110 56 103 115
xavBehind62.jpg 1 111 52 104 121
xavBehind63.jpg 1 109 48 108 120
xavBehind64.jpg 1 103 41 111 135
xavBehind65.jpg 1 74 53 116 125
xavBehind66.jpg 1 68 54 120 121
xavBehind7.jpg 1 101 33 94 114
xavBehind72.jpg 1 169 41 121 130
xavBehind73.jpg 1 155 45 125 132
xavBehind74.jpg 1 135 45 124 133
xavBehind75.jpg 1 117 49 125 132
xavBehind76.jpg 1 103 50 117 128
xavBehind77.jpg 1 19 51 105 119
xavBehind78.jpg 1 15 51 105 118
xavBehind79.jpg 1 14 51 104 125
xavBehind8.jpg 1 110 28 93 111
xavBehind80.jpg 1 32 52 114 123
xavBehind81.jpg 1 39 51 130 129
xavBehind82.jpg 1 160 45 120 125
xavBehind83.jpg 1 171 41 114 131
xavBehind84.jpg 1 183 36 117 140
xavBehind85.jpg 1 175 35 116 136
xavBehind86.jpg 1 165 32 115 138
xavBehind87.jpg 1 149 29 124 142
xavBehind88.jpg 1 67 37 113 135
xavBehind89.jpg 1 63 35 108 138
xavBehind9.jpg 1 109 22 93 125
xavBehind90.jpg 1 37 51 108 135
xavBehind91.jpg 1 35 59 112 131
xavBehind92.jpg 1 44 77 106 119
xavBehind93.jpg 1 44 84 115 139
xavBehind94.jpg 1 58 101 104 132
xavBehind95.jpg 1 113 44 102 135
xavBehind96.jpg 1 85 18 118 148
xavBehind97.jpg 1 62 19 117 135
xavBehind98.jpg 1 42 31 117 128
xavBehind99.jpg 1 12 42 110 133
xavFar0.jpg 1 32 122 76 81
xavFar1.jpg 1 28 125 78 75
xavFar13.jpg 1 91 104 74 77
xavFar2.jpg 1 38 124 66 71
xavFar23.jpg 1 91 107 72 78
xavFar24.jpg 1 90 117 74 80
xavFar25.jpg 1 89 120 74 82
xavFar26.jpg 1 45 163 70 77
xavFar27.jpg 1 41 167 74 72
xavFar28.jpg 1 30 170 68 69
xavFar29.jpg 1 28 159 66 79
xavFar3.jpg 1 37 126 72 70
xavFar30.jpg 1 29 148 67 74
xavFar31.jpg 1 48 116 69 71
xavFar32.jpg 1 54 114 64 62
xavFar33.jpg 1 95 112 70 78
xavFar34.jpg 1 94 128 68 76
xavFar35.jpg 1 110 101 75 78
xavFar36.jpg 1 139 94 66 73
xavFar37.jpg 1 169 62 76 80
xavFar38.jpg 1 174 55 69 84
xavFar39.jpg 1 171 55 70 80
xavFar4.jpg 1 42 126 70 76
xavFar40.jpg 1 168 54 70 78
xavFar41.jpg 1 167 55 71 76
xavFar42.jpg 1 158 61 69 81
xavFar43.jpg 1 147 68 61 76
xavFar45.jpg 1 66 127 64 74
xavFar46.jpg 1 57 133 63 73
xavFar47.jpg 1 50 132 67 64
xavFar48.jpg 1 43 136 62 61
xavFar49.jpg 1 42 137 66 61
xavFar50.jpg 1 34 149 67 69
xavFar51.jpg 1 43 159 58 64
xavFar52.jpg 1 35 163 66 67
xavFar53.jpg 1 38 167 67 64
xavFar54.jpg 1 38 167 67 61
xavFar55.jpg 1 41 161 64 69
xavFar56.jpg 1 43 161 63 69
xavFar57.jpg 1 45 156 67 65
xavFar58.jpg 1 44 157 63 65
xavRaw11.jpg 1 100 56 128 149
xavRaw20.jpg 1 47 43 118 123
xavRaw21.jpg 1 44 40 111 127
xavRaw22.jpg 1 52 43 104 122
xavRaw26.jpg 1 63 58 105 113
xavRaw27.jpg 1 56 57 111 111
xavRaw9.jpg 1 106 56 115 125
xavRaw99.jpg 1 185 44 100 119
xavRaw99.jpg 1 36 112 91 122
xavWood0.jpg 1 48 67 72 86
xavWood1.jpg 1 50 57 70 84
xavWood17.jpg 1 11 77 87 85
xavWood18.jpg 1 15 72 84 90
xavWood19.jpg 1 19 75 71 86
xavWood2.jpg 1 48 57 70 93
xavWood20.jpg 1 23 69 73 86
xavWood21.jpg 1 27 68 69 89
xavWood3.jpg 1 45 54 78 91
xavWood32.jpg 1 37 64 77 91
xavWood33.jpg 1 32 68 72 88
xavWood34.jpg 1 43 56 82 98
xavWood35.jpg 1 45 41 87 108
xavWood36.jpg 1 41 40 85 113
xavWood37.jpg 1 27 46 92 115
xavWood38.jpg 1 29 45 92 116
xavWood39.jpg 1 32 45 91 108
xavWood4.jpg 1 48 52 70 100
xavWood40.jpg 1 32 39 88 113
xavWood41.jpg 1 33 37 89 107
xavWood42.jpg 1 21 31 106 110
xavWood45.jpg 1 33 41 96 116
xavWood46.jpg 1 31 44 91 110
xavWood47.jpg 1 29 43 97 113
xavWood48.jpg 1 23 45 103 111
xavWood5.jpg 1 35 59 69 86
xavWood53.jpg 1 9 39 102 109
xavWood54.jpg 1 16 43 92 106
xavWood55.jpg 1 32 34 92 112
xavWood56.jpg 1 37 44 90 104
xavWood57.jpg 1 41 52 82 100
xavWood58.jpg 1 45 53 80 102
xavWood59.jpg 1 46 64 81 99
xavWood6.jpg 1 28 60 76 85
xavWood7.jpg 1 32 61 74 87
chbre172.jpg 1 130 60 87 96
chbre173.jpg 1 105 69 91 92
chbre174.jpg 1 105 69 89 96
chbre175.jpg 1 108 74 85 92
chbre176.jpg 1 108 74 85 93
chbre177.jpg 1 103 77 90 92
chbre178.jpg 1 77 68 84 92
chbre179.jpg 1 74 68 91 91
chbre18.jpg 1 161 40 76 77
chbre180.jpg 1 98 52 92 104
chbre181.jpg 1 134 49 80 105
chbre182.jpg 1 132 43 86 110
chbre183.jpg 1 131 56 87 96
chbre184.jpg 1 110 54 89 100
chbre185.jpg 1 94 51 94 101
chbre186.jpg 1 94 54 94 105
chbre187.jpg 1 99 50 99 104
chbre188.jpg 1 120 47 105 106
chbre189.jpg 1 120 41 105 109
chbre19.jpg 1 167 31 78 78
chbre190.jpg 1 143 43 102 111
chbre191.jpg 1 161 46 99 108
chbre192.jpg 1 167 47 101 114
chbre193.jpg 1 164 39 100 118
chbre194.jpg 1 159 33 107 117
chbre195.jpg 1 154 28 116 122
chbre196.jpg 1 151 32 110 125
chbre197.jpg 1 146 24 114 122
chbre198.jpg 1 146 24 114 122
chbre199.jpg 1 146 17 119 127
chbre2.jpg 1 156 46 99 89
chbre20.jpg 1 167 28 78 81
chbre200.jpg 1 141 15 124 129
chbre201.jpg 1 134 11 131 145
chbre202.jpg 1 81 13 157 175
chbre203.jpg 1 64 12 158 170
chbre204.jpg 1 107 33 133 138
chbre205.jpg 1 119 46 112 124
chbre206.jpg 1 111 54 107 110
chbre207.jpg 1 97 68 93 103
chbre208.jpg 1 100 66 90 97
chbre209.jpg 1 100 66 88 103
chbre21.jpg 1 170 21 76 84
chbre210.jpg 1 97 70 82 87
chbre211.jpg 1 97 66 73 83
chbre212.jpg 1 90 62 80 87
chbre213.jpg 1 75 57 76 74
chbre214.jpg 1 74 46 75 82
chbre215.jpg 1 78 42 74 81
chbre216.jpg 1 88 39 67 79
chbre217.jpg 1 105 42 68 81
chbre218.jpg 1 106 43 70 82
chbre219.jpg 1 105 42 68 84
chbre22.jpg 1 171 37 70 86
chbre220.jpg 1 102 39 86 92
chbre221.jpg 1 109 42 81 93
chbre222.jpg 1 114 44 75 88
chbre223.jpg 1 119 49 80 89
chbre224.jpg 1 124 55 73 90
chbre225.jpg 1 118 56 82 91
chbre226.jpg 1 122 56 86 103
chbre227.jpg 1 127 61 79 95
chbre228.jpg 1 122 63 86 93
chbre229.jpg 1 138 64 79 92
chbre230.jpg 1 140 64 85 91
chbre231.jpg 1 144 76 94 98
chbre232.jpg 1 152 75 90 100
chbre233.jpg 1 150 77 92 100
chbre234.jpg 1 156 87 81 118
chbre235.jpg 1 156 87 81 118
chbre236.jpg 1 143 94 90 100
chbre237.jpg 1 146 90 79 96
chbre238.jpg 1 146 95 74 91
chbre239.jpg 1 134 86 84 91
chbre24.jpg 1 170 36 88 87
chbre240.jpg 1 127 83 77 88
chbre241.jpg 1 118 79 68 77
chbre242.jpg 1 115 72 64 93
chbre243.jpg 1 105 73 74 86
chbre244.jpg 1 84 65 74 90
chbre245.jpg 1 83 62 72 89
chbre246.jpg 1 57 48 77 87
chbre247.jpg 1 63 46 70 87
chbre248.jpg 1 52 35 76 87
chbre249.jpg 1 53 25 67 88
chbre25.jpg 1 174 44 82 95
chbre250.jpg 1 57 25 67 80
chbre251.jpg 1 63 25 76 95
chbre252.jpg 1 72 26 73 92
chbre253.jpg 1 82 49 80 95
chbre254.jpg 1 89 53 82 93
chbre255.jpg 1 94 60 77 86
chbre256.jpg 1 103 64 74 88
chbre257.jpg 1 111 70 75 87
chbre258.jpg 1 113 72 76 86
chbre259.jpg 1 113 72 78 98
chbre26.jpg 1 173 64 79 91
chbre261.jpg 1 125 57 69 86
chbre262.jpg 1 126 53 70 93
chbre263.jpg 1 124 53 71 95
chbre264.jpg 1 114 56 81 92
chbre265.jpg 1 104 54 78 84
chbre266.jpg 1 98 54 82 97
chbre267.jpg 1 98 53 87 95
chbre268.jpg 1 90 81 81 95
chbre269.jpg 1 78 87 86 108
chbre27.jpg 1 172 55 86 100
chbre270.jpg 1 74 102 92 96
chbre271.jpg 1 70 106 90 92
chbre272.jpg 1 71 103 89 96
chbre273.jpg 1 71 103 89 93
chbre274.jpg 1 72 105 88 92
chbre275.jpg 1 83 96 90 99
chbre276.jpg 1 83 96 85 97
chbre277.jpg 1 85 94 86 98
chbre278.jpg 1 98 82 74 99
chbre279.jpg 1 98 82 75 93
chbre28.jpg 1 170 67 84 88
chbre280.jpg 1 97 77 81 97
chbre281.jpg 1 104 72 78 94
chbre282.jpg 1 106 70 77 94
chbre283.jpg 1 105 66 82 94
chbre284.jpg 1 110 57 84 100
chbre285.jpg 1 110 56 91 97
chbre286.jpg 1 113 52 91 101
chbre287.jpg 1 117 38 100 100
chbre288.jpg 1 129 31 96 101
chbre289.jpg 1 129 34 95 104
chbre29.jpg 1 169 65 83 93
chbre290.jpg 1 124 33 96 108
chbre291.jpg 1 117 39 101 102
chbre292.jpg 1 112 42 95 104
chbre293.jpg 1 112 42 94 108
chbre294.jpg 1 109 41 97 109
chbre295.jpg 1 109 41 90 115
chbre296.jpg 1 104 52 95 100
chbre297.jpg 1 83 61 93 102
chbre298.jpg 1 78 57 91 100
chbre299.jpg 1 60 62 94 95
chbre3.jpg 1 161 50 87 82
chbre30.jpg 1 168 68 75 85
chbre300.jpg 1 52 63 92 103
chbre301.jpg 1 49 67 93 99
chbre302.jpg 1 44 67 85 93
chbre303.jpg 1 46 71 81 92
chbre304.jpg 1 42 71 82 94
chbre305.jpg 1 43 78 80 87
chbre306.jpg 1 30 77 80 86
chbre307.jpg 1 31 68 76 93
chbre308.jpg 1 27 71 74 96
chbre309.jpg 1 28 76 73 91
chbre31.jpg 1 168 68 70 84
 

ecc. ecc.

La dimansione specificata in -w -h sono quelle dell'output del createsamples. Le dimansioni nelle immagini originali possono essdere quelle che vuoi.....specificate dai rettangoli dentro al file che vedi sopra.

[Flavio58]

Leggendo un messaggio ho notato una linka a un database di immagini di persone abbastanza consistente in quano sono 950 MBYTES.
Prova a dare un occhiata (come si fa a dare un occhiata a 950 mbytes) ....

http://pascal.inrialpes.fr/data/human/

[airk]

Questo è proprio il mio dubbio la funzione createsamples mi fa un resize delle immagini o -w -h servono solo per la visualizzazione???
L'adestramento utilizzando haartraining e il vec file (dato da createsamples) sarà fatto su immagini della stesa dimensione o vengono utilizzate quelle originali??

[airk]

Come sostenevo il createsamples fa un resize delle immagini in input alle dimensione dei parametri -w -h e crea il file .vec con queste immagini tutte alla stessa dimensione.

Logicamente per induzione anche l'addestramento vero e proprio con haartraining (almeno credo) verrà fatto su queste img.

Ecco il codice:

int cvCreateTrainingSamplesFromInfo( const char* infoname, const char* vecfilename,int num,int showsamples,int winwidth, int winheight )
{
........
.......
sample = cvCreateImage( cvSize( winwidth, winheight ), IPL_DEPTH_8U, 1 );
icvWriteVecHeader( vec, num, sample->width, sample->height );
.......
.......
for( line = 1, error = 0, total = 0; total < num ;line++ )
{
int count;
error = ( fscanf( info, "%s %d", filename, &count ) != 2 );
if( !error )
{
src = cvLoadImage( fullname, 0 );
error = ( src == NULL );
if( error )
{
#if CV_VERBOSE
fprintf( stderr, "Unable to open image: %s\n", fullname );
#endif /* CV_VERBOSE */
}
}
for( i = 0; (i < count) && (total < num); i++, total++ )
{
error = ( fscanf( info, "%d %d %d %d", &x, &y, &width, &height ) != 4 );
if( error ) break;
cvSetImageROI( src, cvRect( x, y, width, height ) );
cvResize( src, sample, width >= sample->width &&height >= sample->height ? CV_INTER_AREA : CV_INTER_LINEAR );
......
......
icvWriteVecSample( vec, sample );
}
.....
.....
}

[airk]

Finalmente ho trovato un buon dattabase di pedoni fatto con file pgm (Portable Gray Map) se volete metto il link. Il Database è formato da 4800 positive e 5000 negative.

Sto già da 30 ore per il mio process training è sto al 9 stage utilizzando un pentium M750 (centrino 1,83 GHz) mi sa che conviene farlo in Lab con un multiprocessore.

Ci sono consigli in merito??
Ho utilizzato la seguente riga di comando:
haartraining -data cascade -vec train.vec -bg bg.txt -npos 4800 -nneg 5000 -nstages 30 -mem 800 -mode ALL -w 18 -h 36

[Flavio58]

Certo. Il forum è fatto apposta per crescere con i partecipanti. Il link è otimo se lo vuoi mettere ? Io nel 1972 ho avuto in regalo un baracchino CB (27 Mhz) quello dei CQ CQ .... L'ambiente è complesso in quanto ci sono antenne, amplificatori, microfoni preamplificati....e tutto il mondo delle radiofrequenze. Per un ragazzo giovane era un casino. Allora c'era la FIR CB che aveva una sede che apriva al venerdi sera. Frequentando e parlando con tanta gente in poco tempo ho imparato quello che da solo avrei fatto in anni. Quando scrissi il software ITALINK per gestire la rete FIDONET e quindi con Giorgio Rutigliano e altri sysoip aprimmo fidonet in Italia il mio UNICO scopo fu quello di permettere a tante persone di parlare. Infatti tutti usavano programmi americani come OPUS e FIDO. Italink era esattamente come OPUS ma aveva una sezione in piu'. In pratica gli altri avevano la sezione messaggi e quella file in cui inserire e prelevare programmi. Italink aveva anche una sezione Database nella quale c'erano dellsezioni con liste di archivi dati utilizzabili. Ne sceglievi uno e su questo potevi fare interrogazioni ecc. In questo modo le notizie migliori delle varie sezioni messaggi venivano strutturate in databse che poi potevano essere interrogati.
Il forum ha questo scopo .....

[airk]

Ecco il sito del DB pedonale:

http://www.science.uva.nl/research/isla/dc-ped-class-benchmark.html

Mi sa che devo utilizzare una unità di calcolo maggiore altrimenti ci metto na vita per il training process

[Flavio58]

Qui hai altri videoset per pedestrioan recognition


http://iris.usc.edu/~bowu/DatasetWebpage/dataset.html

[airk]

Anche questo come data set molto buono.

Ho un piccolo problemino, richiamo da linea di comando il seguente comando:

haartraining -data cascade -vec train.vec -bg bg.txt -npos 4800 -nneg 5000 -nstages 20 -mem 500 -mode ALL -w 18 -h 36

il data set utilizzato è quello del link messo da me precedentamente (sono 4800 image positive e 5000 image neagtive).

Come da immagine allegata mi rimane una vita sul 9 stage senza dare nessun errore e con valori (almeno credo) ancora accettabili.
Puoi darmi qualche consiglio???

Grazie in anticipo.

[Flavio58]

O ha zinzato un immagine che non gli piace .... Io quando ho fatto il training per le retine c'erano della immagini che lo facevano incazzare. Mi pare che sia la 4596. Ad ogni modo perchge' non provi con un numero minore di immagini e poi al limite sali ? Prova a escludere problemi di memoria e quindi prova con 3000 immagini positive e 3000 negative. Se ti va a buon fine aumenti. Non vorrei che arrivasse a processare 4500 immagini e poi lqa memoria faccia PLUFFFF

[airk]

Ok proverò a diminuire il dataset.

Ma teoricamenta (data la premessa che ho visto poco del codice implementativo del haartraining.exe con esattezza della funzione cvCreateTreeCascadeClassifier, perciò non conosco con esatezza differenza tra la teoria e la sua implementazione in opencv) ad ogni stage dovrebbero essere processsate tutte le immagini con un sottoinsieme di features, e a seguire con l'avanzamento degli stage vengono agginte altre feature (utilizzando sempre tutte le img)?
Dovrebbe essere cosi o mi sbaglio??
Secondo me si incavola su qualche calcolo di una features su una immagine.

[naspe]

Ciao a tutti,
ho scaricato il DB di pedoni segnalato da airk ma non ho capito come creare il file .dat degli esempi positivi.
Dal momento che le immagini di questo database mi pare siano tutte ritagli di un pedone 18x36, devo comunque creare il file .dat con le coordinate del rettangolo?
Inoltre i negativi sono delle immagini della stessa dimensione dei positivi che logicamente non contengono persone. Ma non dovrebbero essere dei background più grandi come mostrato qui http://note.sonots.com/index.php?Sci...2Fhaartraining ?

Grazie,

Alberto

[airk]

Ciao naspe,
hai ragione bisogna utilizzare dei negativi un po più grandicelli, con quelli non ti
dico quanti problemi ho avuto con l'haartraining.

Si devi creare il file indice .dat per utilizzarlo con createcamples

[Flavio58]

Ma perche' non usi un sistema basato su AdaBoost , CamShift ecc. .......
Prova a vedere qui dove comparano dei sistemi ...
Per dire che haar in alcuni casi dovrebbe essere testato come classificatore con la varie sfumature algoritmiche .....


http://comsee.univ-bpclermont.fr/public/projectDetails.php?title=COPF :%20RealTime%20tracking%20with%20classifiers

[Flavio58]

http://www.comp.leeds.ac.uk/chrisn/research/index.html

[Flavio58]

Ad ogni modo questo :

http://www.siebel-research.de/people...eople_tracker/



Questo è compilabile anche sotto windows .....

[Flavio58]

Il messaggio prima di questo intitolato Pedestrian Detection contiene i sorgenti per OpenCV .....

http://www.bernardotti.it/portal/sho...ewpost&t=25247

[naspe]

Grazie mille per le risposte.

Non ho usato metodi tipo AdBoost o CamShift perchè non so che siano

forse è meglio che spieghi il mio background:

sono un sistemista linux che si diverte a scrivere semplici web applications in PHP. Da qualche mese mi sono trasferito con i miei genitori in una villetta sulle alture di Genova.
Ho installato un impianto di video sorveglianza composto da una dozzina di telecamere tutte attorno alla casa.
L'idea era di avere un sistema che mi avvertisse in caso di presenze non gradite attorno alla casa.
Purtroppo essendo le telecamere tutte in esterno i falsi allarmi sono innumerevoli, passano gatti, cani, falene che svolazzano a 5 cm dalla telecamera sembrando degli UFO ecc ecc...
Quindi stavo cercando il modo perchè le telecamere andassero in allarme solo se la cosa che si muove è una persona.
So che esistono sistemi già fatti che funzionano perfettamente... ne ho visti alcuni a SMAU... ma hanno prezzi che vanno fuori dal budget di un'utenza domestica (e poi mi piacerebbe usare qualcosa che ho smanettato io ^^ )
Cercando qua e la ho scoperto le OpenCV e poi un porting delle stesse per PHP. Ho provato phpfacedetect e ho visto che più o meno fa quello che mi interessa, ho scaricato i cascades fullbody, upperbody e lowerbody ma i risultati non sono molto soddisfacenti.
Da questo l'idea di provare a trainare un cascade magari più dettagliato

@airk:sul tutorial per trainare il cascade c'è scritto di creare il file dat inserendo quanti oggetti che mi interessano ci sono nell'immagine e le varie coordinate. Nel caso di questo DB ci metto in tutte 1 immagine e coordinate le dimensioni dell'immagine stessa?

[Flavio58]

Perfetto .... Vuoi che per incentivarti nello studio ti mandi degli amici di Genova a farsi riprendere e poi sparire dal campo delle videocamere facendoti prendere uno 'sciopone' ?
Scherzo ....
Io sulle colline di Genova ho fatto tanto di quel correre ....
C'era un collegio femminile e noi ai tempi dell'università andavamo nelle vicinanze a fare 'Uhhhhhhh ... sono il lupo !'
Una sera è sbucato un prete con un fucile da caccia in mano che grindava con accento genovese : 'Vegniiii vegniii che te dago mi u' luvu !'
Non centra nulla .... anzi ... hai motivazioni piu' forti di un alunno universitario scazzato che lo deve fare per forza ....
Poi come in tutte le cose c'e' un inizio ....

Ciao

[naspe]

Il software della metropolitana di Liverpool lo ho installato dopo un intero pomeriggio di peripezie ma nn c'è verso di farlo funzionare

[Flavio58]

Mi stupirei se lo avessi fatto anche andare ....
A parte il discorso degli algoritmi ... ma quali telecamere tratta ?
Io lo avevo guardato da punto di vista algoritmico ma non ci avevo neppure provato a installarlo .....
Mi dici in pratica cosa vuoi fare ?
Il sistema di sorveglianza lo hai scritto te ?
Io se fossi in te guarderei i sorgenti in opencv presenmti in questa bsezione dove si tratta conteggio facce, macchine, persone ...
A parte che li ho messi ieri ....

Alla Iowa university (se non sbaglio) hanno affidato progetti agli alunni:

morfologia immagini
conteggio persone
conteggio macchine
individuazione palline (il gioco di : sove è la pallina con tre bicchieri)

Ciascuno partendo da sorgenti di OpenCV o riscrivendo tutto hanno messo online i lavori.
Prova a vedere qui :

http://www.vrac.iastate.edu/575x/S07/doku.php

Sotto ogni nome troverai progetti diversi ma tutti legati agli scopi di prima.
Se mi spieghi cosa vuoi fare bene ... cioè se vuoi aggiungere funzioni a un programma scritto da te ... se vuoi usare basic, C, c++ o che cosa ... se conosci meglio opencv di quella mazzata della metro di Liverpool .... magari posso esserti più di aiuto....

http://www.vrac.iastate.edu/575x/S07/doku.php