Wie kann man Personen, die in einer festen Kameraansicht erkannt wurden, einem 2D-Sitzlayout zuordnen (Sitzbelegung, nic ⇐ Python

[Anonymous]

Ich arbeite an einem System zur Visualisierung der Anwesenheit im Klassenzimmer/der Sitzplatzbelegung und habe Probleme mit dem Systemdesign und nicht mit dem Erkennungsmodell selbst.

Szenario
Eine Überwachungskamera mit fester Position überwacht ein Klassenzimmer.
Die Schüler sitzen an festen Tisch-/Sitzpositionen.
Im Frontend zeige ich eine 2D-Sitzanordnung (Sitz Symbole / Raster).

Zielverhalten
Wenn ein Sitzplatz besetzt ist, wird das entsprechende Symbol grün.
Wenn ein Sitzplatz für einen bestimmten Zeitraum nicht besetzt ist, wird er grau (abwesend).

Wichtig:
Die Anforderung besteht nicht darin, zu identifizieren, wer die Person ist, sondern einfach, ob eine bestimmte Sitzplatz ist besetzt oder nicht.

Mein aktueller Ansatz ist:
Personen keine IDs zuweisen (kein ReID / kein Langzeit-Tracking).
Definieren Sie stattdessen einen festen ROI (Region of Interest) für jeden Sitzplatz oder Schreibtisch.
Erkennen Sie Personen mithilfe der Objekterkennung (z. B. YOLO).
Wenn eine erkannte Person (z. B. Bbox-Mittelpunkt) in einen Sitz-ROI fällt, gilt dieser Sitz als belegt.

Wobei ich mir am unsichersten bin:
Wie kann man Personen, die in einer 3D-Kameraansicht (mit Perspektive) erkannt wurden, zuverlässig einer abstrakten 2D-Sitzanordnung auf dem Frontend zuordnen?
Das fühlt sich eher wie ein räumliches Zuordnungs-/Zuordnungsproblem als wie eine reine Erkennung an Problem.

Fragen

• Ist die Verwendung des Bounding-Box-Mittelpunkts + ROI (Punkt im Polygon) im Allgemeinen für die Sitzbelegung in realen Projekten ausreichend?
• Ist es aus technischer Sicht besser, das System sitzzentriert (jeder Sitz behält seinen eigenen Zustand bei) oder personenzentriert (Spur) zu entwerfen Personen und weisen sie dann Sitzplätzen zu)?

3)Gibt es gemeinsame Strategien zum Umgang mit vorübergehenden Verdeckungen oder verpassten Erkennungen (z. B. Zeitfenster, Hysterese)?

• Würde in der Praxis normalerweise eine ROI-basierte Kartierung ausreichen, oder wird bei dieser Art von Problem häufig Kamerakalibrierung/Homographie verwendet?

Alle Erkenntnisse, Best Practices oder Verweise auf Open-Source-Projekte wären sehr dankbar. Danke!