我想找到一种方法，可以将图像（查询）的SIFT描述符与包含大量不同图片描述符的SQL数据库中的描述符进行比较。
实际上，我的最终目的是做一个应用程序，它允许将一张图片与数据库中的大量图片（不在我的设备中）进行比较，而是在SQL数据库中进行比较。
我认为首先要在SQL数据库中存储每个描述符，并使用Brute Force方法或FlanneBased方法将每个描述符与另一个描述符进行比较。问题是，在SQL数据库中，由于匹配背后的“数学”（欧几里德距离，例如sqrt（a²+b²+ ...）），计算匹配需要很长时间，而且不可能在庞大的数据库中进行这种比较。
例如，如果我没有弄错，SIFT描述符包含128个数字，所以想象一下将每个描述符的每个数字进行比较的时间。
如果还有其他方法可以做到这一点？我知道在SQL数据库中，当你使用“SELECT a FROM b WHERE ...”这样的东西时，请求是有效的
因此我想知道是否有办法以有效的方式存储SIFT描述符？例如，我想把“加密”描述符变成一种大的字符串链，每个链都是唯一的，因此我可以将它们进行比较，但我不知道它是否是一个很好的解决方案。
我已经阅读过这篇文章：Comparing SIFT features stored in a mysql database但它对我没有帮助。 谢谢。
答案 0 :(得分：1)
如果我是你，我宁愿比较代码中的描述符，而不是SQL。 SQL不适用于此。我会做以下事情： -
1. Pre-load N descriptors from SQL onto memory.
2. Compare distances to query descriptor, descriptor by descriptor.
3. If distance<threshold, push to possiblematches.
4. When you reach N/2 descriptors, push the next N.
5. Compare all matches, choose the best one or the best D descriptors, as per your requirement.
然而，为此，我宁愿使用OpenCV内置的FileStorage类，它提供XML和YAML文件的I / O;它解决了手动解析描述符值的麻烦。
答案 1 :(得分：0)
使用SQL数据库比较SIFT并不是最佳选择。 OpenCV提出了更高效的some keypoint matchers。您可以在 ./ samples / cpp / matcher_simple.cpp 中找到一个示例，其中SURF描述符很容易适应SIFT。基本上，核心是
BFMatcher matcher(NORM_L2);
vector<DMatch> matches;
matcher.match(descriptors1, descriptors2, matches);
据我记忆，一些匹配器（例如Flann）仅适用于某种类型的描述符（CV_32F）。