关于使用SURF的对象识别和特征的困惑

Question

我在理解SURF和SIFT算法All about SURF时遇到了一些概念性问题。据我所知，SURF发现高斯拉普拉斯算子和SIFT对高斯差异进行操作。然后它围绕它构造一个64变量向量来提取特征。我已应用此CODE。

（Q1）那么，是什么形成了这些功能？

（Q2）我们使用SurfFeatureDetector探测器（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的输出提供Keypoint1和Keypoint2之间的匹配，并通过调整匹配的数量，我们可以得出结论，如果找到/检测到对象。 KeyPoints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，似乎算法可以识别该书。因此，它可以应用于对象识别。我的印象是SURF可用于根据颜色和形状区分对象。但是，SURF和SIFT找到角落边缘检测，因此使用彩色图像作为训练样本毫无意义，因为它们将被转换为灰度。在这些算法中没有使用颜色或HSV的选项，除非我分别计算每个通道的关键点，这是一个不同的研究领域（Evaluating Color Descriptors for Object and Scene Recognition）。

那么，我如何根据颜色，形状来检测和识别物体？我想我可以使用SURF根据它们的形状区分对象。比如说，我有2本书和一瓶。我只需要识别整个对象中的一本书。但是，一旦场景中有其他类似形状的物体，SURF就会产生很多误报。我将欣赏有关申请申请的方法的建议。

Answer 1

1. 局部最大值（DoG的响应大于（小于）相邻像素对金字塔中的点，上层和情人图像的响应 - 3x3x3邻域）形成特征的坐标（圆）中央。圆的半径是金字塔的水平。

2. 这是Hessian门槛。这意味着您只需要使用大于阈值的值的最大值（参见1）。较大的阈值导致功能数量减少，但功能的稳定性更好，反之亦然。

3. Keypoint ==功能。在OpenCV中Keypoint is the structure to store features.

4. 不，SURF适合比较纹理对象，但不适合形状和颜色。对于形状我建议使用MSER（但不是OpenCV），Canny边缘检测器，而不是本地功能。 This presentation可能有用