C++ 使用BruteForceMatcher或FlannBasedMatcher的KnnMatch进行的人脸/图像匹配不正确

Iam试图使用ORB检测器/描述符和Flann或暴力匹配器在较大的目标图像（allimg.jpg-包含3个面）中识别源图像（c1.jpg-面）。c1.jpg是从allimg.jpg中裁剪/复制而成的。 ORB检测器/描述符按预期工作，正确返回检测器/描述符，但Flann或暴力匹配器为目标提供了不正确的匹配结果。因此，当我进一步尝试使用FindHomeography（）时，它显示了不正确的结果，将源映射到目标上的其他位置，而不是目标中的正确面（ALIMG）。 虽然下面没有显示代码，但在Knnmatch之后，我在c1.jpg和allimag.jpg上绘制了一个边界矩形，并在匹配后显示了图像。我发现源边界矩形是正确的，但allimag的边界矩形非常大，包括源面。它应该在目标中找到源面。 Iam使用opencv 3.0。 有人面临过这样的问题吗？是否有其他匹配器可以准确地在目标中找到源图像（人脸或任何东西）

我已经给出了下面的代码和图片（通过链接给出）：

#包括
#包括
#包括
使用名称空间std；
使用名称空间cv；
常数双nn_匹配比=0.80f；//最近邻匹配比
常数双ransac_thresh=2.5f；//朗萨克内里阈值
const int bb_min_inliers=100；//要绘制BBox的最小内联线数
Mat-img1；
Mat-img2；
布尔使用单应（常量向量和查询点）细化匹配，
常量向量和列车关键点，
浮动重投影保留，
向量与匹配，
Mat（单应性）
{  
常量int minNumberMatchesAllowed=4；
if（matches.size（）谢谢EdChum。我使用了链接（ratiotest/symmetrytest）中给出的代码，并且只有当源映像是目标的一部分时，它才提供了一些ok映像匹配，尽管它不够精确。请注意，我注释掉了上一次Transactest，因为它不必要地删除了很多正片。
我附上了两张图片（source.jpg/destination.jpg），通过突出显示destination中匹配的部分来显示Iam所说的内容。
是否有更准确/正确（>90%）识别目的地来源的算法

另外，如果源是一个类似的图像（和目的地的图像不一样），我发现目的地的图像匹配是不正确的，没有用的。我说的对吗？
请分享你的观点。
=source，=destination
谢谢EdChum。我使用了链接中给出的代码（ratiotest/symmetrytest），并且只有当sourceimage是目的地的一部分时，它才提供了一些ok的图像匹配，尽管它不够准确。注意，我确实注释掉了上一次Transactest，因为它不必要地删除了很多正片。
我附上了两张图片（source.jpg/destination.jpg），通过突出显示destination中匹配的部分来显示Iam所说的内容。
是否有更准确/正确（>90%）识别目的地来源的算法

另外，如果源是一个类似的图像（和目的地的图像不一样），我发现目的地的图像匹配是不正确的，没有用的。我说的对吗？
请分享你的观点。
=source，=destination
我建议使用比率测试和对称匹配来删除异常值和可能的ransac尽管在我的情况下删除了太多的特征，请参见：我建议使用比率测试和对称匹配来删除异常值和可能的ransac尽管在我的情况下删除了太多的特征，请参见：imag没有附加E，因此我在此处执行：[1]=源，[2]=目标[1]：[2]：图像未附加，因此我在此处执行：[1]=源，[2]=目标[1]：[2]：
#include <opencv2/core/core.hpp>
#include <opencv2\opencv.hpp>
#include <opencv2/features2d/features2d.hpp>

using namespace std;
using namespace cv;

const double nn_match_ratio = 0.80f; // Nearest-neighbour matching ratio
const double ransac_thresh = 2.5f; // RANSAC inlier threshold
const int bb_min_inliers = 100; // Minimal number of inliers to draw BBox     

Mat img1;
Mat img2;

bool refineMatchesWithHomography(const vector<cv::KeyPoint>& queryKeypoints,    
const vector<cv::KeyPoint>& trainKeypoints,     
float reprojectionThreshold,    
vector<cv::DMatch>& matches,    
Mat& homography  )  
{  
const int minNumberMatchesAllowed = 4;    
if (matches.size() <minNumberMatchesAllowed)    
return false;    
// Prepare data for cv::findHomography    
vector<cv::Point2f> queryPoints(matches.size());    
std::vector<cv::Point2f> trainPoints(matches.size());    
for (size_t i = 0; i <matches.size(); i++)    
{    
queryPoints[i] = queryKeypoints[matches[i].queryIdx].pt;    
trainPoints[i] = trainKeypoints[matches[i].trainIdx].pt;    
}    
// Find homography matrix and get inliers mask    
std::vector<unsigned char> inliersMask(matches.size());    
homography = findHomography(queryPoints,     
trainPoints,     
CV_FM_RANSAC,     
reprojectionThreshold,     
inliersMask);    
vector<cv::DMatch> inliers;    
for (size_t i=0; i<inliersMask.size(); i++)    
{    
if (inliersMask[i])    
inliers.push_back(matches[i]);    
}    
matches.swap(inliers);  
Mat homoShow;  
drawMatches (img1,queryKeypoints,img2,trainKeypoints,matches,homoShow,  

Scalar::all(-1),CV_RGB(255,255,255), Mat(),  2);       

imshow("homoShow",homoShow); 


waitKey(100000);
return matches.size() > minNumberMatchesAllowed;   

}  




int main()
{
//Stats stats;
vector<String> fileName;

fileName.push_back("D:\\pmn\\c1.jpg");
fileName.push_back("D:\\pmn\\allimg.jpg");

img1 = imread(fileName[0], CV_LOAD_IMAGE_COLOR);
img2 = imread(fileName[1], CV_LOAD_IMAGE_COLOR);

if (img1.rows*img1.cols <= 0)
{
cout << "Image " << fileName[0] << " is empty or cannot be found\n";
return(0);
}
if (img2.rows*img2.cols <= 0)
{
cout << "Image " << fileName[1] << " is empty or cannot be found\n";
return(0);
}

// keypoint  for img1 and img2
vector<KeyPoint> keyImg1, keyImg2;
// Descriptor for img1 and img2

Mat descImg1, descImg2;


Ptr<Feature2D> porb = ORB::create(500,1.2f,8,0,0,2,0,14);


porb->detect(img2, keyImg2, Mat());
// and compute their descriptors with method  compute
porb->compute(img2, keyImg2, descImg2);

// We can detect keypoint with detect method
porb->detect(img1, keyImg1,Mat());
// and compute their descriptors with method  compute
porb->compute(img1, keyImg1, descImg1);


//FLANN parameters

//  Ptr<flann::IndexParams> indexParams = 
makePtr<flann::LshIndexParams> (6, 12, 1);     

//  Ptr<flann::SearchParams> searchParams = makePtr<flann::SearchParams>                                                           
(50);   

String itMatcher = "BruteForce-L1";

Ptr<DescriptorMatcher> 

matdescriptorMatchercher(newcv::BFMatcher(cv::NORM_HAMMING, false)); 

vector<vector<DMatch> > matches,bestMatches;
vector<DMatch> m;

matdescriptorMatchercher->knnMatch(descImg1, descImg2, matches,2);

const float minRatio = 0.95f;//1.f / 1.5f; 
for (int i = 0; i<matches.size(); i++)
{
if(matches[i].size()>1)     
{
DMatch& bestMatch = matches[i][0];  
DMatch& betterMatch = matches[i][1];  
float distanceRatio = bestMatch.distance / betterMatch.distance;  
if (distanceRatio <minRatio)  
{
bestMatches.push_back(matches[i]);
m.push_back(bestMatch);
}
}
}


Mat homo;  
float homographyReprojectionThreshold = 1.0;  
bool homographyFound = refineMatchesWithHomography(  
keyImg1,keyImg2,homographyReprojectionThreshold,m,homo);  

return 0;
}

[c1.jpg][1]

[allimg.jpg][2]


[1]: http://i.stack.imgur.com/Uuy3o.jpg
[2]: http://i.stack.imgur.com/Kwne7.jpg