关于对象识别和使用冲浪的特征的混乱

Question

我在理解冲浪和筛选算法方面有一些概念上的问题 关于冲浪. 。就我的理解而言，冲浪发现高斯和筛选的拉普拉斯人在高斯人的差异上运作。然后，它围绕它构建一个64个变量的向量来提取功能。我已经应用了这个 代码.

（Q1） 那么，什么构成了功能？

（Q2） 我们使用SuroffeAtureDeTector检测器（500）初始化算法。那么，这是否意味着特征空间的大小为500？

（Q3） Surf GOOD_MATCHES的输出给出了KeyPoint1和KeyPoint2之间的匹配项，并且通过调整匹配数，我们可以得出结论，如果是否找到/检测到对象。关键点是什么意思？这些存储功能吗？

（Q4） 我需要做对象识别应用程序。在代码中，看来该算法可以识别这本书。因此，可以将其应用于对象识别。我的印象是，冲浪可用于根据颜色和形状区分对象。但是，冲浪和筛分找到角边的检测，因此将颜色图像用作训练样品没有意义，因为它们将转换为灰度。除非我分别计算每个通道的关键点，否评估对象和场景识别的颜色描述符).

那么，如何根据对象的颜色，形状来检测和识别对象？我认为我可以根据对象的形状来区分冲浪。说，例如，我有2本书和一个瓶子。我只需要从整个对象中识别出一本书。但是，一旦场景中还有其他类似形状的物体，冲浪就会产生许多误报。我将感谢有关申请哪种方法的建议。

Answer 1

1. 局部最大值（狗的响应比邻居像素的响应大于点，金字塔中的鞋面和情人图像 - 3x3x3邻域）形成了特征（圆圈）中心的坐标。圆的半径是金字塔的水平。

2. 这是黑森州的阈值。这意味着您将仅采用比阈值大的最大值（见1）。更大的阈值导致功能数量较小，但功能的稳定性更好，反之亦然。

3. KePoint ==功能。在OpenCV中 关键点是存储功能的结构。

4. 不，冲浪非常适合比较纹理对象，但不能用于形状和颜色。对于形状，我建议使用MSER（而不是OpenCV One），Canny Edge探测器，而不是本地功能。 这个演示文稿 可能有用