Python 嵌入式平台OpenCV的特征检测

我试图在嵌入式环境中进行对象识别，为此我使用了Raspberry Pi（特别是版本2）

我正在使用OpenCV库，现在我正在使用OpenCV中包含的特征检测算法

到目前为止，我尝试了不同的方法：

• 我尝试了不同的关键点提取和描述算法：SIFT、SURF、ORB。筛子和浪花太重，球体不太好
• 然后我尝试使用不同的算法提取关键点，然后进行描述。第一种方法是使用快速算法提取关键点，然后使用ORB或SURF进行描述，结果不好，也没有旋转不变性，然后我尝试混合其他方法

我现在已经到了一个地步，在时间允许的情况下，使用ORB进行关键点提取，使用SURF进行描述，可以获得最佳结果。但它仍然很慢

那么你有什么建议或新想法来获得更好的结果吗？我错过什么了吗

---

作为补充信息，我正在使用Python 3.5和OpenCV 3.1，我在硕士学位上也做过类似的项目

我使用了树莓皮3，因为它比皮2快，并且有更多的图像处理资源

我在OpenCV中使用了KNN算法进行数字检测。它速度快，效率高

---

KNN算法的主要优点是重量很轻。

我在硕士学位上做过类似的项目

我使用了树莓皮3，因为它比皮2快，并且有更多的图像处理资源

我在OpenCV中使用了KNN算法进行数字检测。它速度快，效率高

---

KNN算法的主要优点是重量非常轻。

定义您对“非常慢”的看法以及您的具体期望。（和现在一样，这需要X秒，但我预计只需要Y秒。）显示当前代码和一些示例输入。现在它正用于将对象图像（400x200）与从网络摄像头捕获的帧相匹配。我对太慢的定义是2fps，分辨率为640x400帧。我想让它达到每秒至少5-6 fps，以获得更流畅的视频流。您是否有一个大的标记对象数据集，以便识别？如果你这样做了，也许可以尝试使用viola jons进行物体检测。@AmitayNachmani我不太明白你所说的标签是什么意思，但这可能会很有趣。我对维奥拉-琼斯做了一些研究。你能详细说明一下吗，谢谢！您需要阅读有关基本机器学习的内容才能理解这些术语，但一般来说，您需要一组包含正在查找的对象的图像（标记为1），以及一组不包含正在查找的对象的图像（标记为0）。然后你运行机器学习算法，以viola jones为例，该算法将使用viola jones描述符学习图像中对象的表示。定义你对“非常慢”的感觉以及你的具体期望。（和现在一样，这需要X秒，但我预计只需要Y秒。）显示当前代码和一些示例输入。现在它正用于将对象图像（400x200）与从网络摄像头捕获的帧相匹配。我对太慢的定义是2fps，分辨率为640x400帧。我想让它达到每秒至少5-6 fps，以获得更流畅的视频流。您是否有一个大的标记对象数据集，以便识别？如果你这样做了，也许可以尝试使用viola jons进行物体检测。@AmitayNachmani我不太明白你所说的标签是什么意思，但这可能会很有趣。我对维奥拉-琼斯做了一些研究。你能详细说明一下吗，谢谢！您需要阅读有关基本机器学习的内容才能理解这些术语，但一般来说，您需要一组包含正在查找的对象的图像（标记为1），以及一组不包含正在查找的对象的图像（标记为0）。然后你运行你的机器学习算法，在你的例子中是viola jones，它将使用viola jones描述符学习图像中对象的表示。你是说在特征匹配阶段？你没有使用Bruteforce Matcher或Flann，而是使用KNN？是的，我说的是特征匹配阶段。你是说在特征匹配阶段？你没有使用Bruteforce Matcher或Flann，而是使用KNN？是的，我说的是特征匹配阶段。