C++ 在目标检测的图像处理中，如何在模式识别算法中提取特定特征？

我想从近距离检测物体（飞机门）。该算法应该非常健壮，因此可以在任何平面（有许多不同的绘画、徽标）和任何天气条件（太阳、雨、白天和夜晚）下实现

我在OpenCV中搜索并实现了一些特征提取算法，如SURF、SIFT和ORB，但结果不是很好

这里的代码使用ORB特征检测器

#include "opencv2/opencv_modules.hpp"
#include <stdio.h>

#ifndef HAVE_OPENCV_NONFREE

int main(int, char**)
{
    printf("The sample requires nonfree module that is not available in your OpenCV distribution.\n");
    return -1;
}

#else

#include "opencv2/core/core.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdlib.h>

using namespace cv;
using namespace std;

static void help()
{
    printf("\nThis program demonstrates using features2d detector, descriptor extractor and simple matcher\n"
            "Using the SURF desriptor:\n"
            "\n"
            "Usage:\n matcher_simple <image1> <image2>\n");
}

Mat src;Mat src_gray;
int thresh = 5;
int max_thresh = 600;
RNG rng(12345);

void thresh_callback(int, void* );

int main(int argc, char** argv)
{


    Mat img1;
    Mat img2;
    img1= imread("a350_1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    resize(img1, img1, Size(700,500), 0, 0, INTER_CUBIC);
    img2= imread("a350_1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    resize(img2, img2, Size(680,480), 0, 0, INTER_CUBIC);

    Mat image;

    if(! img1.data || ! img1.data)
    {
       cout << "Could not open or find the image" << std::endl ;
        return -1;
    }


    // detecting keypoints
    OrbFeatureDetector detector(1500);
    vector<KeyPoint> keypoints1, keypoints2;
    detector.detect(img1, keypoints1);
    detector.detect(img2, keypoints2);

    // computing descriptors
    OrbDescriptorExtractor extractor;
    Mat descriptors1, descriptors2;
    extractor.compute(img1, keypoints1, descriptors1);
    extractor.compute(img2, keypoints2, descriptors2);

    // matching descriptors
    BFMatcher matcher(NORM_HAMMING);
    vector<DMatch> matches;
    matcher.match(descriptors1, descriptors2, matches);

    // drawing the results
    namedWindow("matches", CV_WINDOW_AUTOSIZE);
    Mat img_matches;
    drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);
    imshow("matches", img_matches);
    waitKey(0);

    return 0;
    }

#endif

#包括“opencv2/opencv_modules.hpp”
#包括
#如果没有自由
int main（int，char**）
{
printf（“该示例需要OpenCV发行版中不可用的非自由模块。\n”）；
返回-1；
}
#否则
#包括“opencv2/core/core.hpp”
#包括“opencv2/features2d/features2d.hpp”
#包括“opencv2/highgui/highgui.hpp”
#包括“opencv2/nonfree/nonfree.hpp”
#包括“opencv2/imgproc/imgproc.hpp”
#包括
#包括
使用名称空间cv；
使用名称空间std；
静态void帮助（）
{
printf（“\n此程序演示如何使用features2d检测器、描述符提取器和简单匹配器\n”
“使用冲浪描述器：\n”
“\n”
“用法：\n matcher\u simple\n”）；
}
Mat-src；Mat src_gray；
int thresh=5；
int max_thresh=600；
RNG RNG（12345）；
无效阈值回调（int，void*）；
int main（int argc，字符**argv）
{
Mat-img1；
Mat-img2；
img1=imread（“a350\u 1.jpg”，CV\u加载\u图像\u灰度）；
调整大小（img1，img1，大小（700500），0，0，中间立方）；
img2=imread（“a350\u 1.jpg”，CV\u加载\u图像\u灰度）；
调整大小（img2，img2，大小（680480），0，0，中间立方）；
Mat图像；
如果（！img1.data | |！img1.data）
{
cout如果您可以创建多种类型对象（门）的数据集，您可以使用SIFT输出等特征来训练SVM（在opencv中，您可以找到几个示例）.
是的，在这里使用ORB特征检测器添加代码。是的，我可以创建数据集，但我喜欢使用窗和门之间的距离等特征。如何检测该特征并将其纳入SVM？