c++ - 使用具有不同大小训练图像的 LDA 和 ORB 进行对象识别。

Question

我正在尝试构建一个轻量级的对象识别系统，使用 ORB 进行特征提取和 LDA 进行分类。但是我遇到了提取特征的不同大小的问题。

这些是我的步骤：

1. 使用 ORB 提取关键点。
2. 通过对关键点进行分组来提取图像中的可训练特征。（提取内容的示例：http: //imgur.com/gaQWk）
3. 使用提取的特征训练识别器。（这就是问题出现的地方）
4. 从野外对图像中的对象进行分类。

如果我尝试使用 cv::gemm 创建广义矩阵，由于大小不同，我会遇到异常。我的第一个想法是通过调整所有图像的大小来标准化所有图像，但是当对象具有相似的小特征时，这会导致很多准确性问题。

有什么解决办法吗？LDA 是一个合适的方法吗？我知道它通常与面部识别算法一起使用，例如fisherfaces。

Answer 1

LDA 需要固定长度的特征，大多数优化和机器学习方法也是如此。您可以将图像补丁的大小调整为固定大小，但这可能不是一个好的功能。通常人们使用诸如SIFT之类的尺度不变特征。您还可以尝试颜色直方图，或边缘检测和空间直方图分箱的一些变体，例如GIST向量。

在不知道您希望完成什么的情况下，很难说 LDA 是否是一种合适的方法。您还可以考虑使用SVM、某种形式的boosting，或者只是使用大型训练集的普通最近邻。