兴趣区域唯一性和身份

Question

我目前正在使用OpenCV开发计算机视觉应用程序。该应用涉及目标识别和特征确定。一般来说，我将有一个目标穿过可见区域，并在几秒钟内慢慢穿过它。这应该会让我从相机中获得超过50-60帧，我将能够找到目标。

我们已经使用SWT和OCR成功实现了检测算法（目标都具有字母数字标识符，这使得它们相对容易挑选出来）。我想要做的是尽可能多地使用每个目标的50-60个镜头中的数据。为此，我需要一些方法来确定图像2的特定ROI包含与图像1中的另一个ROI相同的目标。

我之前要求任何可能遇到此问题的人提出一些建议。如何在合理的误差范围内轻松/快速地识别出ROI＃2与ROI＃1具有相同的目标？我的第一直觉是这样的：

1. 检测第1帧中的目标。
2. 计算第1帧中每个目标的某些独特功能。保存。
3. 获取第2帧。
4. 立即寻找具有与步骤2中计算的相同功能的ROI。抓住这些并将其发送到线路进行进一步处理，跳过第5步。
5. 检测第2帧中的新目标。
6. 将目标传递给线程以计算形状，颜色，GPS坐标等。
7. 泡沫，冲洗，重复。

我认为SURF或SIFT功能可能是实现此目的的一种方法，但我担心由于失真或颜色衰减，他们可能无法在帧与帧之间识别目标。我不知道如何设置SIFT / SURF功能的阈值。

提前感谢您对此事有任何启发。

Answer 1

您可以做的一件事是局部均衡亮度和可能的饱和度。如果您没有使用YCrCb或HSV等高级空间，我建议您试试。

你能否认为物体移动得太快？如果在检测例程中输入先前的位置，则可以减小所查看窗口的大小。同样的事情与速度和运动方向有关。

我已成功使用区域的直方图组合和形状描述符以便可靠地检测它，您可以使用它或将其添加到SURF / SIFT分类器。