请教下领导提出图像识别的这种思路是否可行？

船运动比较规律，用卡尔曼滤波跟踪不就行了，隔几帧检测一下校准。

保存船的时候同时保存船的速度，通过速度和加速度来预测船的下一个位置。

1，将船只简化为线框（去彩色，找出边界，描绘成点），
2，跟踪线框移动，保证线框在屏幕中间。

我正好在做这块，我可以提供直接的方案和工程，而且可以做到实时 你需要吗？？？

其实就是 主干网络选型+跟踪算法结合就行

@clemente0620 需要啊老哥。

我做了半学期跟你做的差不多，哈哈，有好的算法求分享学习一下。

你要是研究目标跟踪，那可以去读博了，参考下这个知乎回答 ：
计算机视觉中，目前有哪些经典的目标跟踪算法？ - YaqiLYU 的回答 - 知乎
https://www.zhihu.com/question/26493945/answer/156025576

如果只是应用，opencv 3.0 后就已经引入了 tracking api 直接用就行
https://docs.opencv.org/4.2.0/d9/df8/group__tracking.html
https://www.learnopencv.com/object-tracking-using-opencv-cpp-python/

卫星跟踪船只？

不是很懂这些，不过从实际的情况考虑，同一艘船，拍摄的角度不同，会被认为不同的船。

完全可行。我有个合作伙伴有类似应用

碰到两艘同款船时 就凉凉

这个需求是可以实现的。用 php+opencv+tensorflow，最后记得云台控制。你可以搜搜树莓派方面有大量 python 的实例。

虽不明，蛋觉厉

@zjsxwc #72


并不会。

我这边合作伙伴有个比这还复杂的，识别车辆，没有预先训练和预置图形样本，即时训练识别。我没研究过他们是怎么开发的，团队没几个人，搞 python 的，实际应用效果我是见到了的，很好。

进出公路港高峰期，摄像头视野内很少有只有一辆车的时候。他们算法很简单的能区分不同车辆，但是全程过摄像头被遮挡一部分的车辆可能没法记录好是哪一辆，但是能认出来是一辆货车，只是特征记录不足

他们的系统在实时摄像头预览上会像 <POI>那样标出车辆轮廓和车辆内部 ID，识别出来是一辆车，但是特征不足的会记录一辆未知车。

我不知道船这种东西在机器看的辨识度，货车而论，人眼看不出区别的同样涂装的大货车，在他们计算机识别预览图上看识别飞快且能准确区分。

不过他们的采集点有减速带，车速快不了，而且是刚过车辆闸门以后，考虑船只移动速度，应该差不多。

我们承建了这个系统的内网传输，每个远端节点，80Gbps 的高速 LAN 到总数据中心。在每个采集点附近的建筑内有一个小 GPU 集群，然后高速网络回数据中心，我估计是保存共享数据给其他节点用

@zjsxwc #72 看到你这个回复，我哈哈笑了。其他答案我还很是谨慎的表情。

目标跟踪，目标有自己的特征，比如航向、速度，根据这个去推算下一帧（时刻）目标可能会出现的位置。
我们以前做雷达跟踪目标就是这样，没有目标的图像数据，只有特征数据，推算的轨迹精确度相当高。

碰到 2 艘一样的船，要根据船的运行轨迹，预判下一秒可能出现的位置来判断。
人类肉眼也是这么跟踪的。

船应该不会在采集周期（一般 1 秒以内）内瞬间飘逸让肉眼也没法跟踪 2 船的位置吧。

@qza1212 大佬，拜读了你发的第三篇，突然有种茅塞顿开的感觉。确实一开始的思路应该是错了，不应该每帧都靠图像识别，而是应该像文章所说的，第一帧识别，n 帧跟踪，再 n+1 帧识别（个人理解是用于校准多帧跟踪可能造成的偏差），再 n 帧跟踪，如此反复。这么说，我更应该去看看跟踪算法。你的这篇文章确切帮我解决了响应速度和准度的部分问题，但是多船的问题，这个能解决吗。

@xiaolinjia 不是大佬哈……只是想提供一点帮助

不可能每帧都 detection，也不可能不做 detection
detection 能辅助 tracking，tracking 也能提高 detection 的准确度

你领导给你的这个任务……都可以用来做硕博的毕业课题了，既然你这是工业应用，那自然应该找现成的用

推荐一个流程：
1. 对初始帧做 detection 拿到多个目标 boundingbox，或者用交互手段直接框
2. 针对每个 boundingbox，tracking N 帧之后的位置，计算它们之间的相似度
3. 相似度大于某个阈值 continue， 否则重新 detection

detection 用的方法推荐用深度学习，直接拿别人的模型用，用传统的 cv 特征学习门槛比较高，还得自己训练
至于模型，楼上有大佬提到了一些方法，……或者你康康 12306 的验证码识别能不能直接用
https://github.com/zhaipro/easy12306
https://github.com/testerSunshine/12306model
detection 再考虑细一点的话，还有一个候选区域生成的问题，可以用滑动窗，mser 或者 selective search

tracking 的方法 opencv 3.0 之后的版本里有很多，自己选一个就行

计算相似度的方法，7#已经帮你想好了

这个流程可以 handle 多目标情况