什么算法对实时检测视频帧中的可变形ROI（而非对象）最有用？ 我在Matlab中进行一个项目（以后用C++或Python实现，用OpenCV），当一个实时视频启动时，用户可以画出感兴趣的区域。它将被绘制成多边形。但是，该ROI可能会离开帧，然后重新出现。在这一点上，它应该被识别和检测。主要问题是，它不是一个具有特殊物理特性的显著对象，因为它可以（在某种程度上）改变形状、弯曲和拉伸。而且，它应该是实时运行的，这使得培训难以实施
我尝试使用颜色直方图来强调ROI的颜色特征，然后对图像设置阈值，但它只在特定条件下有效。我有工程背景，但在此之前没有使用过任何机器学习。我读到，支持向量机的HOG特征可能会有所帮助，甚至是Hough变换。我使用ACF获得了一些很好的结果，但它仍然需要分类器的训练阶段 这样做的目的是在跟踪器完全丢失后重新初始化该区域内的跟踪器。我知道，训练分类器后，可以通过多种算法识别它，但我的问题是实时识别，而无需事先进行任何训练 由于视频是外科手术，我上传了4个示例帧，说明用户ROI的边界框是什么 （下面是手术的清晰照片，用鼠标悬停在该区域上方或单击以显示它们）。什么算法对实时检测视频帧中的可变形ROI（而非对象）最有用？ 我在Matlab中进行一个项目（以后用C++或Python实现，用OpenCV），当一个实时视频启动时，用户可以画出感兴趣的区域。它将被绘制成多边形。但是，该ROI可能会离开帧，然后重新出现。在这一点上，它应该被识别和检测。主要问题是，它不是一个具有特殊物理特性的显著对象，因为它可以（在某种程度上）改变形状、弯曲和拉伸。而且，它应该是实时运行的，这使得培训难以实施,python,algorithm,matlab,image-recognition,roi,Python,Algorithm,Matlab,Image Recognition,Roi,我尝试使用颜色直方图来强调ROI的颜色特征，然后对图像设置阈值，但它只在特定条件下有效。我有工程背景，但在此之前没有使用过任何机器学习。我读到，支持向量机的HOG特征可能会有所帮助，甚至是Hough变换。我使用ACF获得了一些很好的结果，但它仍然需要分类器的训练阶段 这样做的目的是在跟踪器完全丢失后重新初始化该区域内的跟踪器。我知道，训练分类器后，可以通过多种算法识别它，但我的问题是实时识别，而无需事先进行任何训练 由于视频是外科手术，我上传了4个示例帧，说明用户ROI的边界框是什么 （下面是手
任何建议都会有很大帮助。因为ROI是实时确定的，所以我认为带预培训的功能在这里不起作用。最近，我抓住了一个有助于解决问题的话题。建议的解决方案是 步骤是捕获ROI并使用模板匹配在每一帧中搜索“最佳相似”区域 因为在您的情况下，对象可能会随着时间的推移而发生变化（不会太多），结果可能并不完美，但这是一种很好的方法 上述主题的图片
我知道有人用CNN来做这件事，但是实时运行会产生额外的问题，特别是在没有深入的CS/AI知识的情况下。但是，使用OpenCV中的模板匹配可以得到一些有用的结果。不理想，但不止是一个好的起点。谢谢