C++ 基于surf描述符的静态手势识别&x2B；法兰匹配器

我正在尝试只对6个手势进行静态手势识别。因为手可能会转动一点，所以我尝试了surf+flann，因为它们是不变的。 这些图像是二进制的，当我比较它们时，我得到了不好的结果，我甚至不理解它们。例如，对于相等的图像，我得到1或2个好的关键点；对于不同的图像，我得到5或6个好的关键点

对于这种情况，您有什么建议来实现手势识别吗

列车和查询图像的结果：

双最大距离=0，最小距离=100；
matcher.match（GestodeScript、T1Descriptor、matches）；
对于（int i=0；i我没有广泛地使用SURF进行特征提取，但从我收集的信息来看，重要的是图像要合理地“表达”，因为存在具有独特属性的各种兴趣点。我认为你的主要问题是手的图像（特别是经过阈值处理以生成二值图像的图像）没有很多独特的兴趣点。特别是由于冲浪特征的比例和旋转不变性，您的图像中几乎没有特定手势的独特性

您可能想尝试使用二进制图像作为遮罩来移除背景，然后在全彩色（或灰度）手势上尝试SURF和FLANN逻辑

从长远来看，如果你真的想建立一个高质量的手势识别系统，我认为你最好还是研究卷积神经网络。CNN需要的图像预处理要少得多，特别适合这种应用。
我没有广泛地使用SURF进行特征提取，但是m据我所知，重要的是图像要合理地“表达”，因为有各种具有独特属性的兴趣点。我认为你的主要问题是手的图像（特别是经过阈值处理以产生二值图像的图像）不要有太多独特的兴趣点。尤其是由于冲浪特征的比例和旋转不变性，在你的图像中几乎没有什么特定手势的独特性

您可能想尝试使用二进制图像作为遮罩来移除背景，然后在全彩色（或灰度）手势上尝试SURF和FLANN逻辑

从长远来看，如果你真的想建立一个高质量的手势识别系统，我认为你最好研究卷积神经网络。CNN对图像的预处理要少得多，特别适合这种应用。
看看看
double max_dist = 0, min_dist = 100; 

matcher.match(gestoDescriptors,t1descriptors,matches);

for (int i=0; i<gestoDescriptors.rows; i++){
  double dist =  matches[i].distance;
  if (dist<min_dist)
    min_dist = dist;
  if (dist>max_dist)
    max_dist=dist;
}

vector<DMatch>t1_good_matches;
for (int i=0; i<gestoDescriptors.rows; i++){
  if (matches[i].distance<=max(2*min_dist,0.02)){
    t1_good_matches.push_back(matches[i]);
  }
}

//-- Draw only "good" matches
Mat img_matches;
drawMatches(gestoImage,gestoKeypoints,train1,t1keypoints,t1_good_matches,
img_matches, Scalar::all(-1), Scalar::all(-1),
           vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );