目标检测 - 算法建议

Question

我正在尝试用C ++进行图像检测。我有两张图片：

图像场景：1024x786   人：36x49

我需要从现场识别这个特定的人。我试图使用相关但图像太嘈杂，因此无法给出正确/准确的结果。

我一直在思考/研究最能解决这项任务的方法，而这些方法似乎最合乎逻辑：

• 高斯滤镜
• 卷积
• FFT

基本上，我想移动图像周围的噪音，然后我可以使用相关来更有效地找到这个人。

我知道FFT很难实现和/或可能很慢，尤其是我正在使用的图像大小。

有人可以提供解决这个问题的任何指示吗？最好的技术/算法是什么？

Answer 1

在Andrew Ng的Machine Learning class中，我们使用神经网络和滑动窗口来解决这个问题：

1. 使用36x49窗口（或您想要的任何其他尺寸）训练神经网络识别您正在寻找的特定功能，使用带有标签的数据，使用36x49窗口。
2. 用于识别新图像，取36x49矩形并在图像上滑动，在每个位置进行测试。当您移动到新位置时，将窗口向右移动一定数量的像素，将其称为jump_size（例如5像素）。当您到达图片的右侧时，请返回0并按y增加窗口的jump_size。

神经网络对此有好处，因为噪音不是一个大问题：您不需要将其删除。它也很好，因为它可以识别类似于之前看到的图像，但略有不同（面部角度不同，光线略有不同等）。

当然，缺点是你需要训练数据才能做到这一点。如果您没有一套预先标记的图像，那么您可能会运气不好 - 尽管如果您拥有Facebook帐户，您可以编写一个脚本来拉取您和您朋友的所有标记照片并使用它。 / p>

Answer 2

当您已经使用kd-tree或分层树对图像进行排序时，FFT才有意义。我建议将图像2d rgb值映射到1d曲线，并在频率分析之前降低一些复杂性。

Answer 3

我没有提出确切的算法，因为我发现目标检测方法在很大程度上取决于具体情况。相反，我有一些提示和建议。以下是我的建议：找到目标的特定特征并围绕它设计代码。

例如，如果您可以访问彩色图像，请使用Wally没有太多绿色和蓝色的事实。从红色图像中减去蓝色和绿色的平均值，你将有一个更好的起点。 （在图像和目标上应用相同的操作。）但是，如果噪声与颜色有关（即：每种颜色不同），这将不起作用。

然后，您可以在转换后的图像上使用相关性，并获得更好的结果。相关性的负面影响是，它只能用于第一张图像的精确切割...如果你需要找到目标来帮助你找到目标，那么它就不是很有用！相反，我认为你的目标的平均版本（许多Wally图片的组合）可以在某种程度上起作用。

我的最终建议：根据我个人使用嘈杂图像的经验，光谱分析通常是一件好事，因为噪声往往只会污染一个特定的尺度（希望与Wally的尺度不同！）此外，相关性在数学上等同于比较图像和目标的光谱特征。