尺寸和响应在SURF关键点中的确切代表什么？

Question

我正在使用OpenCV 2.3进行关键点检测和匹配。但我对检测算法给出的size和response参数有点困惑。他们究竟是什么意思？

根据OpenCV手册，我无法弄明白：

  

float size：有意义的关键点邻域的直径

     

float response：最强大关键点的响应   被选中。可用于进一步排序或子采样

我认为跟踪的最佳点是反应最快的那个，但似乎并非如此。那么我怎么能对冲浪探测器返回的一组关键点进行二次采样，以便在可追踪性方面保持最佳？

Answer 1

大小和响应

SURF是一个斑点探测器，简而言之，一个特征的大小就是斑点的大小。更确切地说，OpenCV返回的大小是近似Hessian算子的一半。该尺寸也称为尺度，这是由于斑点检测器的工作方式，即在功能上等于首先使用高斯滤波器在几个尺度上模糊图像，然后对图像进行下采样并最终检测具有固定尺寸的斑点。请参见下图，显示SURF功能的大小。每个要素的大小是绘制圆的半径。从要素中心到圆周的线条显示角度或方向。在该图像中，斑点检测滤波器的响应强度是彩色编码的。您可以看到大多数检测到的功能都有弱响应。 （参见完整尺寸图片here）

此直方图显示上图中特征的响应强度分布：

要跟踪哪些功能？

最强大的功能跟踪器可跟踪所有检测到的功能。功能越多，鲁棒性越强。但是跟踪大量功能是不切实际的，因为我们通常希望限制计算时间。要经常跟踪的功能数量应根据每个应用程序进行调整。通常将图像划分为规则的子区域，并且在每个子区域中保持跟踪n个最强的特征。通常选择n使得每帧总共检测到约500~1000个特征。

参考

阅读journal paper describing SURF肯定能让你清楚它是如何运作的。尽量不要陷入细节，特别是如果你的背景不是机器/计算机视觉或图像处理。 SURF探测器乍一看似乎非常新颖，但整个想法是使用积分图像估算Hessian算子（一个成熟的滤波器）（早在SURF之前已经被其他方法使用过）。如果您想要很好地理解SURF并且您不熟悉图像处理，则需要返回并阅读一些介绍性材料。最近我遇到了a new and free book，其第13章对特征检测进行了简要介绍。并非所有内容都在技术上是正确的，但这是一个很好的起点。 Here你可以找到另外一个很好的SURF描述，其中有几个图像显示了每个步骤的工作原理。在该页面上，您会看到此图片：

你可以看到白色和黑色斑点，这些是SURF在几个尺度上检测到的斑点，并估计它们的大小（OpenCV代码中的半径）。

Answer 2

1. “size”是原始图像中描述符所覆盖区域的大小（通过在缩放空间中对原始图像进行下采样获得，因此它根据其比例从关键点到关键点变化）。

2. “反应”确实是一个指示“有多好”（粗略地说，就角落而言）是一个点。

3. 静态场景检索的优点是稳定的（这是SIFT / SURF描述符的主要目的）。在跟踪的情况下，你可以出现好的点，因为被跟踪的物体位于形状良好的背景上，在阴影中有一半......然后消失，因为这个条件已经改变（光线变化，遮挡......）。因此，无法保证跟踪任务总是存在优点。