您可以使用OpenCV进行对象跟踪:
对象跟踪OpenCV
然后训练您自己的OpenCV级联来识别球衣号码:
OpenCV定制级联训练+面部地标
有关OpenCV安装的更多信息,请参阅:
https://www.pyimagesearch.com/ 和
https://www.learnopencv.com/
这就是你需要的:
https://www.youtube.com/watch?v=qA1dYQSANO8
您可以使用具有预先训练过的coco模型的神经网络开始虚拟项目: https://github.com/Icy3D/hello-coco-py
如果您需要更多学习如何减少要检测的类的数量(人,汽车,公共汽车,......)。如果你需要更多的sophicsticated解决方案训练你自己的神经网络或适合你的需要现有的网络(谷歌转移学习)。
无论如何你应该 熟悉tensorflow 。
“在(新数据集或任务)Y上执行X的最佳算法”的问题对于学习算法来说是完全无效的,因为它们都是针对我们的应用程序调整的,基于我们训练它们的数据并且没有最优性(或者可以保证。
现在的检测算法使用各种各样的机制,从使用深度学习的对象检测,卡尔曼滤波到跟踪和结合不同的上下文和融合。
您可以询问自己跟踪和检测之间的区别。尝试找出在几个帧中检测(完美)对象(同一实例)与使用时间信息跟踪它之间的差异。如果您能够完美地找到所有对象,并对这些实例进行一致编号,那么现在有什么区别?
例如,我可以向您推荐许多研究它的来源 这个 中等文章, detectron facebook(基于Mask-RCNN)等。在谷歌尝试各种关键字组合来增强你的结果:“对象检测深度学习”(2017年及以上过滤它),学者中的“对象跟踪”......
祝好运!
您可以查看最近的这篇论文( https://arxiv.org/pdf/1902.03524.pdf )百度开发的CNN是图像识别问题的最新技术。