Question

我想从短距离检测物体（飞机门）。该算法应该非常强大，因此可以通过任何平面（具有许多不同的绘画，徽标）和任何天气条件（太阳，雨，白天和黑夜）来实现。

我在OpenCV中搜索并实现了一些特征提取算法，如SURF，SIFT和ORB，但结果并不是那么好。

这里是使用ORB特征检测器的代码

#include "opencv2/opencv_modules.hpp"
#include <stdio.h>

#ifndef HAVE_OPENCV_NONFREE

int main(int, char**)
{
    printf("The sample requires nonfree module that is not available in your OpenCV distribution.\n");
    return -1;
}

#else

#include "opencv2/core/core.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdlib.h>

using namespace cv;
using namespace std;

static void help()
{
    printf("\nThis program demonstrates using features2d detector, descriptor extractor and simple matcher\n"
            "Using the SURF desriptor:\n"
            "\n"
            "Usage:\n matcher_simple <image1> <image2>\n");
}

Mat src;Mat src_gray;
int thresh = 5;
int max_thresh = 600;
RNG rng(12345);

void thresh_callback(int, void* );

int main(int argc, char** argv)
{


    Mat img1;
    Mat img2;
    img1= imread("a350_1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    resize(img1, img1, Size(700,500), 0, 0, INTER_CUBIC);
    img2= imread("a350_1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    resize(img2, img2, Size(680,480), 0, 0, INTER_CUBIC);

    Mat image;

    if(! img1.data || ! img1.data)
    {
       cout << "Could not open or find the image" << std::endl ;
        return -1;
    }


    // detecting keypoints
    OrbFeatureDetector detector(1500);
    vector<KeyPoint> keypoints1, keypoints2;
    detector.detect(img1, keypoints1);
    detector.detect(img2, keypoints2);

    // computing descriptors
    OrbDescriptorExtractor extractor;
    Mat descriptors1, descriptors2;
    extractor.compute(img1, keypoints1, descriptors1);
    extractor.compute(img2, keypoints2, descriptors2);

    // matching descriptors
    BFMatcher matcher(NORM_HAMMING);
    vector<DMatch> matches;
    matcher.match(descriptors1, descriptors2, matches);

    // drawing the results
    namedWindow("matches", CV_WINDOW_AUTOSIZE);
    Mat img_matches;
    drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);
    imshow("matches", img_matches);
    waitKey(0);

    return 0;
    }

#endif

我想提高算法在功能正确匹配方面的稳健性。因此，为了物体识别和检测的目的，更可靠的特征匹配更加稳健可靠。例如，可以包括窗户和门框之间的距离（在每个飞机模型中固定），然后是门框的厚度等。

我想提取一些海关功能，以便该算法适用于任何有任何绘画和徽标的飞机。意味着算法应该是健壮的，可以通过任何类型的平面检测门。某些航空公司和绘画的标志等特征不应该是关键点/特征。

因此，我喜欢提取像窗户和门框之间的距离一般的特征（因为这个特征对于给定的飞机模型总是相同的）。例如，空中客车A350中门框与最近窗口之间的最小距离让我们说1米。所以我想在我的算法中使用这个功能。有关如何提取此类功能的任何建议吗？

我应该在这种情况下使用模式识别和机器学习技术，如深度神经网络还是KNN？

Answer 1

如果你可以制作多种类型对象（门）的数据集，你可以使用像SIFT输出这样的功能来训练SVM（在opencv中你可以找到几个例子）。

如何在对象检测的图像处理中提取模式识别算法中的特定特征？

1 个答案: