我正在尝试创建一个程序，能够在《使命召唤》游戏视频中识别出人形。我从这段视频中整理了大约2200张独立的图片，这些图片中有的包含人形，有的则没有。我随后尝试训练一个神经网络来区分这两组图片。
然后，我将每个视频帧分成几百个网格矩形，并用我的ANN检查每个矩形。这些矩形是重叠的，试图捕捉位于网格矩形之间的身影，但这种方法似乎效果不佳。因此，我有几个问题：
-
神经网络是合适的方法吗？我读到它们与其他机器学习算法相比速度非常快，最终我计划将其用于实时视频，速度非常重要。
-
在图像帧中搜索身影以在ANN上测试的最佳方法是什么？我觉得我的方法不是很好。它的速度和准确性肯定不高。处理一张960 x 540的图像需要大约一秒钟，并且准确性很差。
-
我遇到的另一个问题是构建作为ANN输入的特征向量的最佳方法。目前，我只是将所有输入图像缩小到25 x 50像素，并创建一个包含每个像素强度的特征向量。这是一个非常大的向量（1250个浮点数）。构建特征向量有哪些更好的方法？
有关我在这里所做的更详细的解释，请参见：CodAI: 计算机视觉
编辑：我希望能得到更多细节。计算特征的最佳方法是什么？我需要能够识别出许多不同姿势的人形。我是否需要为识别直立、蹲伏和俯卧的不同姿势创建单独的分类器？
回答：
- 使用原始强度作为特征向量是行不通的1。光照等因素会引起太多的变化。
- 作为第一步，一个好的特征可以考虑HOG。OpenCV 2.2有一个GPU（CUDA）版本的检测器，速度很快。
- 神经网络可能不是最佳选择。通常你会使用SVM或提升作为分类器2。并不是说神经网络不够强大，而是很难调整训练/参数。经常会陷入局部最小值等问题。
- 对于俯卧、蹲伏和站立的身影，你肯定需要不同的分类器，并在混合模型中使用它们。
- 你问的是“最佳方法” – 人类检测远非一个已解决的问题，所以没有人知道最佳方法。上面提到的方法已知效果相当好。
- 如果你想要一个好的结果，你绝对要利用你的目标是特定的 – 因此，利用你在《使命召唤》中试图检测人类这一事实。你需要检查的位置范围不是整个图像，身影将靠近地面。这允许你加速搜索并减少误检。如果可以，减少渲染的细节 – 细节越少，变化越少，这意味着学习问题更容易解决。
脚注：
1 对于挑剔的人：没有一个高度复杂的分类器。
2 你也可以使用一系列提升的分类器来提高速度，而不会在检测率上损失太多。
