问题标签 [keypoint]

让我们看一下这个名为 Features2D + Homography 的基本教程，以查找已知对象。它使用 SurfFeatureDetector 来检测特征：

然后它使用SurfDescriptorExtractor检测到的特征来计算描述符（特征向量）。

我的问题是：

1. 如果我想创建自己的特征检测器（例如使用 Trajkovic 或 Harris 算法），我应该使用哪个描述符提取器？
2. 在 SurfFeatureDetector 中发现的特征是公共点还是点的区域？

****补充* ***

1）在这个例子中，使用了特征检测的 Surf 算法。我制作了自己的算法（Trajkovic），效果很好——找到了所有的角落（图像特征）。然后我尝试使用示例中使用的 SurfDescriptorExtractor。问题是 SurfDescriptorExtractor 不想以正确的方式使用我建立的点（结果图片出现错误的连接，这意味着提取器没有正确计算向量）。

2）我需要完全使用opencv，这就是重点；

3）“特征检测器”是一种算法，它试图在图像上找到关键点（特征或角），“描述符提取器” - 是一种算法，它计算特征向量以最好地理解关键点的位置和方向；

4) 总之，在示例中，所有关键点都连接在两个图像上（如教程的最后一张图片所示），然后用矩形突出显示。但是当我使用 Trajkovic 算法时，它们以错误的方式连接，这就是为什么没有突出显示的矩形。

OpenCV 2.4 有检测器和描述符。我正在为很多图像创建关键点，问题是检测器获取了关键点，但描述符有时会将它们全部删除。

• 如何禁用描述符删除点？
• 有没有办法增强关键点，使它们不被删除？

知道我尝试了很多描述符（SIFT、SURF、BRIEF 等......）

我得到了坐标和大小，keypoints并想手动插入它们以获取它们的描述符，我尝试了以下但它不起作用：

在 OpenCV 2.4.3 的参考手册中KeyPoint::class_id被描述为“对象 ID，可用于通过它们所属的对象来聚集关键点”。

由于我对“关键点”缺乏足够的了解，我无法理解class_id.

我的另一个问题是，通过使用特征检测器、描述符和匹配器，我们可以检测训练图像中查询对象的匹配关键点。但是如何在训练图像中分割出查询对象。我们可以使用grabcut或分水岭算法吗？如果是，如何？

任何一个问题的答案都会有所帮助。

提前致谢...

我们在 openCV 2.4.3 中使用 SIFT，我们决定升级到 openCV 2.4.6。升级后，内存使用量在 openCV 2.4.6 中从大约 (150MB) 跃升至 1.2GB。

有人知道这是一个错误还是我们现在需要配置的东西？

我们的图像有 1.4MB。在 iOS 上观察到了这种行为。这个问题似乎也在 Linux (CentOs) 中发生。

Tks

I am trying to understand how to get the descriptor for a given KeyPoint in OpenCV. So far my code looks like follows:

The problem is that I am getting no data in the descriptor. What am I missing? Could you explain in more detail what are the params passed to the KeyPoint object? I am new to computer vision + OpenCV, so probably a better explanation (than OpenCV's documentation) could help.

在这个有启发性的 kaggle 比赛的介绍的最后，他们指出“ Viola 和 Jones 的开创性论文中使用的方法非常有效”。然而，那篇论文描述了一个二元面部识别系统，解决的问题是关键点的分类，而不是整个图像。我很难弄清楚我将如何调整 Viola/Jones 系统以进行关键点识别。

我假设我应该为每个关键点训练一个单独的分类器，我的一些想法是：

• 迭代固定大小的子图像并对每个子图像进行分类，其中以关键点为中心像素的图像是一个正例。在这种情况下，我不确定如何处理靠近图像边缘的像素。

• 不是训练二元分类器，而是训练具有 l*w 个可能类的分类器（每个像素一个）。最大的问题是我怀疑它会非常慢，因为每个弱分类器突然必须做 l*w*original 操作

• 我的第三个想法并没有完全在我的脑海中浮出水面，但是由于关键点是脸部大部分的每个部分（例如眼睛的左、右中心），也许我可以尝试对子进行分类图像只是一只眼睛，然后使用每个面部部分的最佳拟合子图像的左、右和中心像素（以 y 坐标为中心）

这些想法有什么优点吗，有没有我没有想到的方法？

我是 Java 开发人员。我的目标是使用 javaCV 检测图像关键点

这是我的代码：

但是当我运行这段代码时，我遇到了访问冲突异常

我看不出问题出在哪里？

我正在学习 OpenCV，目前我正在尝试了解存储在 a 中的底层数据，KeyPoint以便我可以更好地将这些数据用于我正在开发的应用程序。

到目前为止，我一直在浏览这两个页面：

http://docs.opencv.org/modules/features2d/doc/common_interfaces_of_feature_detectors.html?highlight=featuredetector#FeatureDetector

http://docs.opencv.org/doc/tutorials/features2d/feature_detection/feature_detection.html

但是，当我按照教程使用drawKeypoints()时，点的大小和形状都相同，并且用看似任意的颜色绘制。

我想我可以遍历每个关键点的属性：画一个圆圈，画一个箭头（用于角度），根据响应给它一个颜色，等等。但我认为必须有更好的方法。

是否有内置方法或其他类似方法drawKeypoints()可以帮助我更有效地可视化KeyPoints图像？

我已经学习了许多关于 SIFT 的教程，并且对如何检测关键点有很好的理解。但是在提取 SIFT 特征向量时，关键点尺度在哪里发挥作用。

据我了解，我们只是在关键点周围取一个 16 X 16 的窗口，并将幅度和方向存储到 bin 中。

我可以理解关键点方向的使用位置，尽管不是比例。