使用openCV进行自然特征跟踪-评估选项

简言之，使用OpenCv在网络摄像头提要中实现特定图像（照片/图形/徽标）跟踪的可用选项有哪些？我特别想整理一下以下方面的意见：

HaarTraining会不会有些过分（考虑到它不是3d对象，而只是需要跟踪的图像），或者它是唯一的出路

曾尝试过模板匹配、基于颜色的检测，但在不同的照明/比例/方向下根本无法提供可靠的跟踪

在视频中，筛选、浏览特征匹配是否会像在静态图像中一样可靠 比较

---

我是OpenCV的相对初学者，这一点可以从我之前对SO的查询（非常有用的回答）中看出。对于使用OpenCV开始NFT实施，有哪些线索或链接是很好的资源？

您能再谈谈您的需求吗？也就是说，你期望什么样的外观变化/你对环境有多大的控制力。在速度/功率/资源占用方面，您有什么类型的限制

如果没有这些，我只能对你所说的3条道路进行一些一般性的评估

一,。 Haar可以快速有效地工作，特别是在识别方面

请注意，除非您使用涵盖各种透视图的全套模板进行培训，否则Haar在3D中的效果并不理想。Haar cascades的海报儿童应用是Viola Jones的人脸检测系统，该系统主要面向正面人脸（当然可以针对许多其他方面进行培训）

有关使用OpenCV进行Haar训练的教程，请参阅

二,。 试试NCC或者更好，Lucas Kanade tracking（cvCalcOpticalFlowPyrLK是一个金字塔，就像在从粗到细LK中一样-一个4级金字塔通常工作得很好）用于模板。通常在不改变模板的情况下，高达10%的比例或10度的旋转效果良好。除此之外，您还可以拥有可以随时间漂移的自动演化模板

有关快速光流/跟踪教程，请参见

三,。 SIFT/SURF确实可以很好地工作。我建议采取一些额外的几何验证步骤来消除虚假匹配

---

我会有点担心所涉及的计算时间。如果没有明显的照明/缩放/平面内旋转，则SIFT可能是过度杀伤力。如果你真的需要的话，去看看吴昌昌的优秀SIFTGPU吧。注意：第三方，而不是OpenCV。

似乎单独应用这些方法都不能带来可靠的结果，除非它是一个爱好项目。也许某种自适应算法或多或少是可以接受的。例如，看看一个著名的使用机器学习的地方。

外观通常会在旋转、照明方面有所不同。Reg HAAR-通过Viola-Jones检测器方法，试用了OpenCV捆绑样本。让我望而却步的是培训所需的时间——我在2GB的台式机/笔记本电脑上工作&人们认为即使经过几天又几天的培训，它仍然不够健壮，这是相互矛盾的观点。我一定会阅读光流教程。感谢在整个回复过程中提供的有用链接。非常欢迎。同意Haar的培训时间，这是相当长的。好处是运行时性能可以很好。我个人偏爱方法2。方法3更适用于不受约束的场景，如摄影旅游。是的，我从大量的试验和其他来源收集到了这一点——没有一种方法能够处理场景之间的所有变化。你能给我指出一些将机器学习与openCV相结合的资源吗？我是一个相对初学者。我也尝试过openCV跟踪方法，我将深入研究更复杂的东西，从学习上述技术开始。除此之外，我还没有什么建议。关于将机器学习与OpenCV集成，一个好消息是OpenCV已经包含了ml模块