Question

首先，感谢您阅读我的问题。我写了一个程序

检测场景中的移动物体（来自固定摄像机）
跟踪他们
尝试将它们与静态数据库匹配并识别它们

在这张图片中你可以看到一个示例视频中的结果，程序工作正常，它检测到红色汽车识别它并且它正在跟踪汽车::

注意：橙色圆点表示为动态数据库获取额外样本以备将来使用的地方。

问题：简而言之，我的方法是

提取感兴趣区域
本地特征检测 [快速特征检测器]
局部特征提取 [SIFT描述符提取器]
描述符匹配 [强力匹配]

我有3个数据库，每个对象都与之比较。我希望我的程序尽可能快，因为它意味着在嵌入式主板上运行（比如Raspberry pi 2），但它安静缓慢而且不是实时的，我精确定位耗时线，它是 SIFT描述符提取器我试图使用其他提取器，它通常适用于像FIN或ORB提取器这样的FAST检测器，它们运行速度比SIFT快得多，反而导致效果不佳匹配率显着下降，请您帮我理解如何使用此组合快速检测器/简要或ORB提取器/ BF或FLANN匹配 这里提到函数::

void Objects::calKeypointDiscriptor(Mat inputFrame,Mat &ROI,Rect RegionArea,vector<KeyPoint> &fastKey, Mat &briefDescriptors,bool display)
{
    SurfFeatureDetector detectorSURF(300);
    SiftFeatureDetector detectorSIFT(400);
    FastFeatureDetector detectorFAST(30);
    OrbFeatureDetector  detectorORB (400);


    SurfDescriptorExtractor  extractorSURF;
    SiftDescriptorExtractor  extractorSIFT;
    OrbDescriptorExtractor   extractorORB;
    BriefDescriptorExtractor extractorBRIEF;
    FREAK                    extractorFREAK;

    Mat regionTemp;
    Mat frame=inputFrame;
    regionTemp=frame(RegionArea);
    ROI=regionTemp.clone();
    detectorFAST.detect(regionTemp, fastKey);
    extractorSIFT.compute(regionTemp, fastKey, briefDescriptors);

}

void Objects::matchDiscriptorFlann(Mat ROI,int distance,Point2i center,vector<KeyPoint>keypo,Mat descriptors,vector<Objects> objectVector,bool &matched,int vctorEnd,int &index)
{

    BFMatcher matcherBF(NORM_L2);
    FlannBasedMatcher matcherFLANN;
    Mat img_matches;


    for(int i=0; i<=vctorEnd; i++)
    {
        if (distance>0)
        {
            bool chk= euclideanDistance(objectVector[i]. center_obj,center)<distance;

        }
        else
        {
            bool chk=true;
        }


        vector< DMatch > good_matches;
        vector<DMatch> matches;


        if (descriptors.rows*descriptors.cols!=0&&objectVector[i].discriptor_obj.rows*objectVector[i].discriptor_obj.cols!=0)
        {
            matcherBF.match(descriptors,objectVector[i].discriptor_obj,matches);
            double max_dist = 0;
            double min_dist = 100;

            for( int i = 0; i < descriptors.rows; i++ )
            {
                double dist = matches[i].distance;
                if( dist < min_dist ) min_dist = dist;
                if( dist > max_dist ) max_dist = dist;
            }

            for( int i = 0; i < descriptors.rows; i++ )
            {
                if( matches[i].distance <=2*min_dist )
                {
                    good_matches.push_back( matches[i]);
                }
            }

            if(good_matches.size()>2)
            {

                matched=true;
                index=i;
            }
        }
    }
}

Answer 1

不能期望Raspberry Pi实时运行浮点描述符（例如SIFT或SURF）。它根本没有处理能力。如果在pi上运行，替换更快的二进制检测器和描述符是最好的选择。

目前，我会说你的问题是：

使用SIFT描述符提取器和
使用BruteForce匹配器

如果您希望让您的程序在pi上“更接近”实时运行，我建议您查看BRISK描述符和FLANN索引kNN匹配。

这些都可以调整并且非常可靠。

此外，您可以使用ORB（基本上是快速但面向）作为关键点检测器，使用BRISK作为解析器。这从我的经验中得到了不错的结果。

我对LATCH或KAZE / AKAZE没有太多经验，但我不确定这些是否能满足您的性能要求。

另一方面，根据我的经验，二元探测器（如ORB和FAST）通常需要找到大约两倍的点数，因为更多的判别算法如SIFT或SURF。幸运的是，这并不会对性能产生太大影响。

使用带有BREIF提取器c ++ OpenCV的FAST检测器的结果很差

1 个答案: