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
答案 0 :(得分:2)
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。