Opencv 关于使用SURF的对象识别和特征的混淆
在理解SURF和SIFT算法时,我有一些概念问题。据我所知,SURF找到了高斯的拉普拉斯算子,SIFT对高斯的差分进行运算。然后围绕它构造一个64变量向量来提取特征。我已经应用了这个 (Q1)那么,这些功能是由什么构成的呢 (Q2)我们使用SurfFeatureDetector(500)初始化算法。那么,这是否意味着特征空间的大小是500 (Q3)SURF Good_Matches的输出给出了Keypoint1和Keypoint2之间的匹配,通过调整匹配数量,我们可以得出是否找到/检测到对象的结论。什么是关键点?这些存储功能吗 (Q4)我需要做物体识别应用。在代码中,似乎该算法可以识别书。因此,它可以应用于目标识别。我的印象是SURF可以根据颜色和形状来区分物体。但是,SURF和SIFT都能找到角点边缘检测,因此将彩色图像转换为灰度图像作为训练样本是没有意义的。在这些算法中没有使用颜色或HSV的选项,除非我分别计算每个通道的关键点,这是一个不同的研究领域() 那么,我如何根据物体的颜色、形状来检测和识别它们呢?我想我可以使用SURF根据物体的形状来区分它们。比如说,我有两本书和一瓶酒。我只需要从整个对象中识别出一本书。但是,只要场景中有其他形状相似的对象,SURF就会给出很多误报。我将感谢您对我的申请方法的建议Opencv 关于使用SURF的对象识别和特征的混淆,opencv,image-recognition,feature-detection,surf,Opencv,Image Recognition,Feature Detection,Surf,在理解SURF和SIFT算法时,我有一些概念问题。据我所知,SURF找到了高斯的拉普拉斯算子,SIFT对高斯的差分进行运算。然后围绕它构造一个64变量向量来提取特征。我已经应用了这个 (Q1)那么,这些功能是由什么构成的呢 (Q2)我们使用SurfFeatureDetector(500)初始化算法。那么,这是否意味着特征空间的大小是500 (Q3)SURF Good_Matches的输出给出了Keypoint1和Keypoint2之间的匹配,通过调整匹配数量,我们可以得出是否找到/检测到对象的结
[这][1]帖子肯定会对你有所帮助[1]:哪个z?首先,一切都由特征检测器完成。第二,冲浪特征是面向圆的。它有参数:x,y,比例(半径),角度(方向)。:很抱歉再次打扰你,但我有一些怀疑冒出来。(1) 你提到的(x,y)-这些是特征的x,y坐标还是像素的坐标?(2)根据文档,特征集是一个64维向量。但是,你提到它由4个变量组成?我仍然怀疑是什么构成了这些特性。如果你能详细说明你的答案,这将非常有帮助。像素的坐标。2.您混合了两种东西-特征(它是定向圆==几何形状,不是在图像中,而是在某种选择中)和特征描述符(它是64-d向量,描述图像面片,在所提到的圆内)