同一本童书有 10 页，页面的内容都是图片，我从每个页面中提取关键点和描述符作为我的训练数据。我想检测哪些页面在基于相机的匹配描述符中。
到目前为止，我通过提取每一帧的关键点和描述符并使用 OpenCV 的 FlannBasedMatcher 从训练数据中逐一匹配描述符来实现它，然后它返回最佳匹配的描述符。
这里的问题是它不能实时实现，当训练数据超过 3 页时，运行时间会很慢。
有没有人知道任何更好的方法来实现它？
问问题
1656 次
2 回答
1
事实上，Surf 是一种更好的算法，虽然它不如 sift 准确，但你会发现它的运行时间接近实时，我还建议，如上所述，计算特征并使用并行计算进行匹配（容易如果您只是使用 OpenMP 就足够了）..
但是考虑到，冲浪发现的关键点要少得多，所以如果你的对象不是“有趣”或不够大......你不会匹配很多......
于 2013-03-14T18:40:01.483 回答
1
匹配是一个昂贵的过程，但可以并行化，并且有一些优化（如向量之间的余弦匹配）来加快速度。
如果您想要更高的准确度，您没有太多选择，您需要对特征进行分组匹配（这需要与训练数据和找到的关键点数量成正比的额外时间）。
另外：考虑使用 SURF 而不是 SIFT，由于一些智能优化，它更快。
于 2013-03-14T18:11:57.957 回答