问题标签 [feature-detection]

当我尝试在我的 HTC 设备上安装我的应用程序时出现以下错误。

包 com.org.activities 需要不可用的功能 android.hardware.sdcard；失败！

但是，我的设备中确实有我的 SD 卡。

这是我在清单文件中编写的代码：

它出什么问题了？当我为我的应用程序使用 SD 卡和相机时，我需要检查这些功能。

我正在尝试KLT 功能跟踪的 C.Zach 实现。

我想要做的是在几帧期间暂停跟踪，然后再次重新启动它而不重新检测功能。

所以我基本上不会advanceFrame()在想暂停的时候调用tracker的方法，track()想重新开始的时候再调用。

看起来一切都很好，用于跟踪的纹理没有交换，唯一的问题是跟踪器无法识别新图像中的任何特征（非常接近暂停前的特征）。

哦，我使用 OpenCV 来操作帧，但这应该不是问题。

任何人都对如何做到这一点或问题可能来自哪里有一些提示？

我想知道如何创建指纹数据库。如果指纹存储为图像，您如何比较数据库中的图像，或者创建像TinEye这样的图像搜索引擎？

我知道这是一个很大的话题，但我只是在寻找一个起点。这可以使用 Python/Django 库和 MySQL 来完成吗？

我一直在比较不同的特征和不同的匹配，看看它们匹配的准确度和速度。我现在的重点是 ORB 检测器 ORB 提取器 BruteforceHamming 匹配器和 SURF 检测器 SURF 提取器 FLANNBASED 匹配器。ORB 方法在少量数据集中似乎更准确、更快。但是 SURF 和 FLANNBASED 在大型数据集中表现更好。我的问题是：有没有办法通过在opencv lib的基础上给出索引参数或搜索参数来优化FLANNBASED匹配器？

这是我的问题。我在多张图像上使用 SURF 手动提取关键点特征。但我也已经知道哪一对点会匹配。问题是，我正在尝试创建我的配对，但我不明白如何。我试图通过查看代码，但它是一团糟。

现在，我知道 features.descriptors 的大小，一个矩阵，与关键点的个数相同（另一个维度是 1）。在代码中，为了检测匹配对，它只使用描述符，所以它比较行（或列，我不确定）或两个描述符矩阵，并确定是否有任何共同点。

但就我而言，我已经知道图像 1 中的关键点 i 和图像 2 中的关键点 j 之间存在匹配。我如何将其描述为 MatchesInfo 值。特别是 std::vector< cv::DMatch > 类型的元素匹配。

编辑：所以，为此，我不需要使用任何匹配器或类似的东西。我知道哪对会在一起！

目前我正在开发适用于 Android 手机的应用程序。我们想要检测人脸的特征。该程序应该能够检测眼睛、鼻子、嘴巴和脸部边缘的位置。

准确度应该没问题，但不需要完美。可以放松一些准确性以加快速度。所有的脸都是正面的，我们之前会知道特征的大致位置。我们不需要活体检测。应从保存的图像中提取特征。检测时间应该只要不影响用户体验。因此，即使 2 或 3 秒也可以。

有了这个假设，找到一个能让我们实现这一目标的库应该不会太难。但我的问题是，最好的方法是什么？你有什么建议？这是我第一次为 Android 开发，我不想走错方向。对我们来说，图书馆是个好主意，还是自己实现一些现有算法更好（更快/更高的准确性）？

我google了很多，我发现了很多有趣的东西。Android API 中还有人脸检测功能。但是返回的人脸类（http://developer.android.com/reference/android/media/FaceDetector.Face.html）只包含眼睛的位置。这对我们的应用程序来说是更少的。然后还有适用于 Android 或 JavaCV 的 OpenCV。你认为合作的好主意是什么？什么库有好的文档、教程？

在使用OpenCV的SIFT 描述符实现时，我遇到了一些令人困惑的情况。

我正在尝试测试各种特征检测器 + 描述符计算方法，因此我使用了cv::FeatureDetector和cv::DescriptorExtractor接口的组合，这使我可以简单地在不同的检测器方法和描述符之间进行更改。

在调用cv::DescriptorExtractor::compute(...)（单个图像的变体）时，文档说如果无法计算其描述符，则赋予算法的关键点数量可能会减少，我理解这样做的方式和原因。

但是，发生在我身上的是描述符计算后的关键点数量实际上增加了。显然是这样，我并没有试图阻止它发生，我只是希望能解释一下原因（只是一个直观的描述会很酷，尽管我更欣赏那些）。

我在没有任何代码的实际 OpenCV 周围有一层又一层的包装器（只是设置了一些本地非 OpenCV 标志），所以这是在它的底部调用的 OpenCV 代码：

我在描述符计算之前和之后打印了前 10 个关键点，所以这里有一些具体的数字作为示例：

我可以从这个例子中看到，原来的feat[1]和feat[7]每个都跨越了两个新的关键点，但我没有看到任何合乎逻辑的解释来说明compute这样做的方法:(

我在这里给出的打印输出是使用MSER检测关键点，然后尝试计算SIFT描述符，但同样大小的增加也发生在检测到的STAR、SURF和SIFT（即 DoG）关键点上。我没有尝试将SIFT描述符更改为其他内容，但如果有人认为它与问题相关，我会尝试并在我的问题中对其进行编辑。

我想SurfFeatureDetector用来检测指定图片区域的关键点：

1. Train_pic & Source_pic
2. 使用 检测 Train_pic keypoint_1 SurfFeatureDetector。
3. SurfFeatureDetector使用指定区域检测 Source_pic keypoint_2 。
4. 计算和匹配。

OpenCVSurfFeatureDetector如下。

void FeatureDetector::detect(const Mat& image, vector<KeyPoint>& keypoints, const Mat& mask=Mat())

mask -- 指定在哪里查找关键点的掩码（可选）。必须是感兴趣区域中具有非零值的 char 矩阵。

任何人都可以帮助解释如何mask=Mat()为 Source_pic 创建？

谢谢杰

我正在尝试确定使用modernizr.js 是否有意义。

是否涵盖了modernizer.js 确实会显着影响页面加载速度的所有边缘情况？

谢谢，蒂姆

我试图找到一个脚本来检测设备是否position: fixed相对于 ViewPort 而不是整个文档放置元素。

目前，标准桌面浏览器和 Mobile Safari（适用于 iOS 5）这样做，而 Android 设备相对于整个文档放置固定元素。

我找到了一些测试来检测这一点，但似乎没有一个有效：

• http://kangax.github.com/cft/当我从 Android 设备传递它时给我一个误报。
• https://gist.github.com/1221602当我在装有 iOS 5 的 iPhone 中传递它时给了我一个假阴性。

有人知道在哪里可以找到/如何编写实际检测到的测试吗？我不想依赖浏览器嗅探。