智能手机上的实时图像识别

Question

我们正在开展一项工作来创建可以从Web服务器下载一些模板图像并对这些图像进行实时识别的应用程序。我们已经做了一些研究，只有合理的解决方案是这样的：

我们从模板图像中提取特征描述符，并在应用程序启动时将它们存储到内存中。

从每个可用的帧（不是每个帧，这取决于算法的速度）也提取这个描述符，我们将它们与每个模板描述符进行匹配，并选择其中最好的。

在应用程序的第一个原型（我们使用OpenCV）中，这种方法的iOS非常好，但Android，尤其是低端设备，需要花费大量时间来提取和匹配这些描述符。我们使用SURF算法，因为我们发现它最适合这个任务，并且我们使用kNN算法在描述符之间进行匹配。

您认为我们的解决方案是正确的，还是存在一些更好的智能手机？

由于

Answer 1

我创建了一个类似于你的应用程序，对于Android我们使用boofCV，其冲浪速度比OpenCV快得多。您可以在网站上了解它的表现。该方法完全没问题，您可以考虑相对于您的域调整SURF算法的阈值，因为如果阈值较低，您将获得许多功能，您获得的功能越多，计算越多发生，你得到一个较低的帧速率。