Opencv 自然图像中的标志检测与识别
给定一个徽标图像作为参考图像，如何在杂乱的自然图像中检测/识别它 徽标在图像中可能非常小，它可以出现在衣服、帽子、鞋子、背景墙等中。我尝试了SIFT功能进行匹配，而无需任何其他预处理，对于图像中徽标的大小较大且徽标清晰的情况，结果是好的。但是，在某些情况下，它会失败，因为场景非常混乱，与整个图像相比，徽标大小的比例非常小。SIFT特征似乎对透视失真很敏感 有人知道自然图像中标识检测/识别的一些更好的功能或想法吗？例如，首先训练分类器定位候选区域，然后直接应用SIFT匹配进行进一步识别。然而，训练一个模型需要很多数据，特别是它需要在图像中手动注释徽标区域，如果我想将其应用于新徽标，它需要重新训练需要收集和注释新图像Opencv 自然图像中的标志检测与识别,opencv,image-processing,machine-learning,computer-vision,object-recognition,Opencv,Image Processing,Machine Learning,Computer Vision,Object Recognition,给定一个徽标图像作为参考图像，如何在杂乱的自然图像中检测/识别它 徽标在图像中可能非常小，它可以出现在衣服、帽子、鞋子、背景墙等中。我尝试了SIFT功能进行匹配，而无需任何其他预处理，对于图像中徽标的大小较大且徽标清晰的情况，结果是好的。但是，在某些情况下，它会失败，因为场景非常混乱，与整个图像相比，徽标大小的比例非常小。SIFT特征似乎对透视失真很敏感 有人知道自然图像中标识检测/识别的一些更好的功能或想法吗？例如，首先训练分类器定位候选区域，然后直接应用SIFT匹配进行进一步识别。然而，训练
那么，有什么建议吗？非常感谢详细的工作流程/代码/参考资料，谢谢 从形状匹配到haar分类器，有很多算法。最佳算法取决于徽标的种类 如果要继续功能注册，我建议： 要检测小徽标，请使用瓷砖。将整个图像分割为较小的重叠块，并执行常规检测。它将使用搜索特征的局部性 尝试使用ASIFT进行仿射不变检测 使用多个模板图像进行参考特征提取，具有不同的闪电、不同的背景图像黑、白、灰
这段代码需要实时运行吗？不需要是实时的，但速度也是一个重要因素。给定一个徽标图像，我想在数据库中查找包含该参考徽标的所有图像。您应该看看这一点，这与真实图像中用于徽标检测/识别的Bundle min哈希方法相对应。我已经阅读了答案和相应的论文。结果是非常好和令人印象深刻的，而他们的论文中显示的标志是明确的，所提出的方法是不容易遵循。欢迎更多评论：谢谢ASIFT似乎比SIFT更强大。“使用许多模板图像进行参考特征提取”，如何使用来自不同模板的这些特征？将它们组合在一起，即平均？？