Opencv 您建议使用什么类型的机器学习来检测具有很多尺寸的对象

我正在做一个项目，我想使用Kinect和open cv识别一个对象！！但是那个物体有很多不同的尺寸！！我可以为那个物体拍很多照片！！我的问题是，在这种情况下，您建议使用什么类型的机器学习，以及什么类型的特征检测，如SURF或其他？

您可以使用尺度不变的SIFT。我在我的一个应用程序中使用了SIFT/SURF和SVM，我必须对对象进行分类，我得到了非常好的结果。使用SIFT，尺寸和方向的变化不会有任何问题

如果使用SIFT描述符，则会得到

1 x 64

的描述符矩阵，同样，如果使用SURF描述符，则会得到

1 x 128

的描述符矩阵。因此，对于每个图像，您将得到一个大小为

1 x 64

或

1 x 128

的矩阵。然后你用这一行矩阵作为SVM训练的输入向量。

你说的是SIFT/SURF，你能解释一下我的情况有什么不同吗？你可以用其中任何一个来检查你的情况下的性能……整个代码将保持不变……你只需要用SURF替换SIFT，反之亦然。Greaat！！我还有一个问题！！你能给我解释一下“使用SIFT，尺寸和方向的变化不会有任何问题。”？你在说什么！！！大小：如果对象看起来更大/更小，则不会有任何问题。方向：物体旋转不会有任何问题。颜色呢！！如果我有一个早上一样的东西，晚上有另一种颜色！！我该怎么处理呢？哦，耶！！我想一下！！然后，如果我有5幅图像，我将有5个1x28的矩阵，然后我有5个SVM训练的输入向量，对吗？我会的！还有一个问题！！向我解释SVM中的Labe！！我知道Labe是类！在我的例子中，它是对象，而不是对象！但我读到我可以为向量的每个元素贴标签！我糊涂了！请给我解释一下，我再给你一次投票！！对于每个输入图像/样本/向量，您必须告诉SVM它的类别。如果你只有两门课，例如，你只想将图像分为汽车类和非汽车类，然后你可以用有汽车的输入样本分配标签1…你可以将标签-1分配给没有汽车的样本…我建议你使用谷歌来解决这些琐碎的问题…请尽可能多地探索你自己。所以我必须用正面图像和负面图像来训练SVM？？嗯，我现在有1000个正面图像！！如果我去掉正片图像的背景，只留下我想识别的物体，有什么问题吗？