我正在为最后一个项目进行研究，我想像Amazon Go一样进行对象检测和运动分类，我已经阅读了很多研究，例如使用SSD或YOLO进行对象检测以及使用CNN + LSTM进行视频分类，我想提出训练算法像这样：
使用SSD / YOLO实时检测多个物体（在我的情况下为人）
获取边界对象并裁剪框架
将裁剪的帧信息输入到CNN + LSTM算法中以进行运动预测（如果此人正在行走/携带物品）
是否可以在实时环境中实现？
还是有更好的实时检测和运动分类方法
最佳答案
如果要在实时应用程序中使用它，则必须考虑其他一些事情，这些事情在实际环境中实现算法之前不会出现。
关于您建议的三步方法，可能已经是一种好的方法，但是第一步将非常准确。我认为最好将三个步骤合为一个步骤。因为人的运动类型是人的一个好特征。因此，我认为所有步骤都可以集中在一个步骤中。
我的想法如下：
1.视频分类数据集，仅标记人物或物体的运动
2.基于cnn-lstm的视频分类方法
这样可以正确解决您的项目。
该答案需要更多详细信息，如果您有兴趣，我可以提供更多详细信息。
关于machine-learning - 需要有关实时视频的目标检测和运动分类的建议，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58361711/