Właściwe podejście do wykrywania cech dzięki opencv

Question

Moim celem jest znalezienie znanych logo w statycznym obrazie i filmach. Chcę to osiągnąć, korzystając z funkcji wykrywania cech z KAZE lub AKAZE i RanSac.

jestem dążenie do podobnego rezultatu: https://www.youtube.com/watch?v=nzrqH ...

podczas eksperymentowania z detection example from the docs co jest dobre btw, byłem stoi kilka problemów: rozdzielczość

• Przedmiot: Różnice w wielkości pomiędzy znany obiekt i rozdzielczość sceny, w której obiekt powinien się znajdować, czasami łamie algorytm wykrywania - obiekt nie będzie rozpoznawany w obrazach o niskiej rozdzielczości, chociaż jakość obrazu jest wciąż w porządku dla ludzkiego oka.
• Kontrast kolorów z tłem: Wydaje się, że detekcja może być łatwo odwrócona przez różne kontrasty tła (np. Obiekt jest logo czarne na białym tle, logo w scenie jest białe na czarnym tle ). Jak mogę sprawić, aby wykrywanie było bardziej odporne na różne luminescencje i kontrasty tła?
• Preprocessing: Czy należy wykonać jakiekolwiek wstępne przetwarzanie obiektu/sceny ? Na przykład powiększyć scenę do określonego rozmiaru? Czy istnieją jakieś wskazówki, jak podejść do funkcji wykrywania w kilku krokach, aby uzyskać najlepsze wyniki?

Answer 1

Myślę, że Twój problem jest bardziej skomplikowany niż proces dopasowywania deskryptorów i opisów. Jest bardziej prawdopodobne, że jest rozpoznawana lub klasyfikowana.

Można to sprawdzić rozszerzony przegląd papieru kształt pasujący:

http://www.staff.science.uu.nl/~kreve101/asci/vir2001.pdf

Po pierwsze, rozdzielczość obrazów jest bardzo ważne, ponieważ zwykle dopasowując działanie sprawia, że ​​intensywność pikseli korelacji krzyżowej pomiędzy próbką obraz (logo) i obraz procesu, dzięki czemu uzyskasz najlepiej krzyżowo powiązany obszar.

W ten sam sposób intensywność koloru tła jest bardzo ważna, ponieważ podświetlenie tła może poważnie wpłynąć na końcowy efekt.

metody fabularne oparte są szeroko badane:

http://docs.opencv.org/2.4/modules/features2d/doc/feature_detection_and_description.html

http://docs.opencv.org/2.4/modules/features2d/doc/common_interfaces_of_descriptor_extractors.html

Tak na przykład, można spróbować alternatywnych metod, takich jak:

Hog descritors: histogram ukierunkowanych gradientów: https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients

dopasowywania wzoru lub szablon dopasowania http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

myślę najnowszą (wzorzec dopasowania) jest najłatwiej sprawdzić algorytmu.

Mam nadzieję, że te odniesienia pomogą.

Pozdrawiam.

Unai.