我知道有几种方法,但有些方法并没有带来非常好的结果,另一方面需要大量的处理时间,所以任何人都尝试用一种快速的方法来进行短时间的匹配.
例如,这是模板……
我有一个样本,我想比较样本和模板,如果样本与模板类似,则返回true,否则返回false.
注意：我尝试过轮廓匹配,级联分类和SURF,但它们都不是很好或者处理时间不是很好.
解决方法
这就是说,我认为你不会得到你的问题的答案,至少没有一个说“从[引用的论文]中使用xyx方法,这将解决你所有的问题”.我会试着为你指出一些例子,希望它会有所帮助.
模板匹配运算符：将模板与图像上的滑动窗口进行比较,如果模板与图像中正在查找的对象非常相似,无论它有多复杂,都可以获得非常好的结果.可以非常快,它基本上不是任何东西都是不变的,所以如果你计划旋转,照明或其他东西的重大变化,这可能不适合你. here你可以找到一些代码.注意你使用的是哪个色彩空间,如果正确使用,不同的色彩空间可以获得非常不同的结果(例如,对于面部分析,在某些情况下HSV可能比RGB更好)
像SIFT或SURF这样的关键点匹配：我使用了很多非常好的结果.您需要确定要使用的描述符和匹配器. OpenCV有一些不错的例子,here你可以找到一个.不会是匹配你的对象的最快方法,因为这些描述符可能需要一些时间来提取,如果你不太了解你将要工作的条件,这是很好的：它通常对于缩放,旋转和只要在模板和图像上都能正确找到关键点,闪电就会发生变化.
形状匹配：当我参与的图像分类竞赛中,我能够使用简单的HOG描述符获取有关我的图像的非常有辨别力的信息时,我感到非常惊讶. Oriented Gradients的直方图是描述对象形状的相当强大的工具,它使用边缘方向和幅度来描述您的图像.它们可以快速计算(我认为OpenCV具有GPU实现),可配置(您可以决定网格的厚度和细胞数量,从而产生非常不同的信息). HOG对旋转不是不变的,从不同角度看到的物体可能会产生不同的直方图,但由于不使用颜色这一事实,它们对光照变化非常稳健.
HOG只是一个例子,有很多形状和轮廓描述符,但基本上它们提供的几乎和我想的一样.
直方图匹配：不是我的第一选择,如果您了解对象和图像的其余部分,它会很有用.例如,如果你知道你在丛林图像中寻找你的粉红色花朵,那里是唯一的粉红色花朵,那么简单的颜色直方图匹配就可以了.拿起一个滑动窗口,在你的图像上运行它,比较你的直方图,你就完成了.非常快,非常简单,它根本不使用形状,所以无论你的物体多么复杂,你都会找到它.不使用形状使其对旋转稳健,但要注意照明变化.这种方法的一个非常大的局限性是,如果丛林中还有其他粉红色的东西,你将无法区分.
混合方法：在这里您可以充分利用上述技术.正如您所看到的,它们中的大多数在某个环境中运行良好,而在其他环境中运行良好.您可以结合使用您熟悉的技术,获得比零件总和更好的东西.我在HOG和头部姿势估计方面做了很多工作,当我们开始提取HOG不是以密集的方式而是围绕某些关键点时,我们取得了真正的突破.你需要知道你的问题,找出你需要什么,并采取一系列方法.通常,混合方法可以更好地工作并且速度慢很多.
希望这对你有所帮助,我不认为,鉴于你给我们的信息,我可以给你一个更好的答案..(可能是其他人可以,这就是为什么我还是学生:))
