应用错误收集

我的目标是在静态图片和视频中找到已知的徽标。我希望通过使用KAZE或AKAZE和RanSac进行特征检测来实现这一目标。

在尝试使用detection example from the docs这很棒的时候，我遇到了几个问题：

对象分辨率：已知对象与之间的大小差异对象应该位于的场景的分辨率有时打破检测算法 - 对象不会成功虽然图像质量很好，但在低分辨率图像中识别对于人类来说仍然是好的。
与背景颜色对比：看来，检测可以很容易被不同的背景对比分散注意力（例如：对象是在白色背景的商标黑色，在场面的商标是在黑色的白色背景）。如何使检测更加强大不同的发光和背景对比？
预处理：是否应该进行任何类型的预处理对象/场景？例如，将场景放大到特定大小？是否有任何指南如何处理特征检测几个步骤，以获得最佳结果？

我认为你的问题比特征描述符匹配单应性过程更复杂。它更可能面向模式识别或分类。

您可以查看形状匹配的扩展论文评论：

首先，图像的分辨率非常重要，因为通常匹配操作会使像素强度互相关在您的样本图像（徽标）和过程图像之间，您将获得最佳交叉相关区域。

以同样的方式，背景颜色强度非常重要，因为背景照明可能会影响您的最终结果。

基于特征的方法得到了广泛的研究：

例如，您可以尝试其他方法，例如：

Hog descritors：直方图定向渐变： https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients

模式匹配或模板匹配 http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

我认为最新的（模式匹配）是最容易检查算法的。