我一直在使用正确的算法进行大量搜索，以用于我的对象识别程序。但我发现的一切都有一些重大缺陷。
我的程序应该在遇到它们时在线学习新对象。当遇到一个新对象时，就会在它上面绑定一个框并学习该对象（OpenTLD完美地完成了这一操作）。对于不同的对象重申这1000次，程序应该能够识别1000个类和对象的实例（Haar类特征级联可以做到这一点，OpenTLD失败）。算法必须是比例和方向不变（哈尔失败）。
我发现的所有内容都只能满足上述某些标准，而其他标准则失败。令人惊讶的是，我还遇到了任何符合所有标准的东西。我只提到了上面的Haar和OpenTLD，因为它们是最接近我需要的。其他算法，如SIFT，SURF甚至比我需要的更远。
所以我的问题是，是否有任何现有的源代码可以满足我的需求？或者这是我用更好的运气来修改现有的源代码吗？
答案 0 :(得分：4)
TLD和Kalal的工作非常适合跟踪。但是，识别是一个非常不同的问题。
我不明白为什么你要求SIFT或SURF进行识别。我肯定会朝这个方向看。定向梯度直方图（HoG）（Wikipedia）是一系列相关的算法，被认为是最先进的。例如，它在许多ICIP'11论文中以某种形式使用。
你所问的仍然是计算机视觉中尚未解决的问题。您将找不到很多现成的代码。研究代码（例如Matlab），用于非商业用途，是的，但您可能需要对实际使用进行大量修改/优化。像Pongr，Kooaba，IQEngines这样的公司提供用于对象识别的在线API。