opencv로 기능 감지에 대한 적절한 접근

Question

내 목표는 정적 이미지 및 비디오에서 알려진 로고를 찾는 것입니다. KAZE 또는 AKAZE 및 RanSac을 사용하여 기능 감지를 사용하여이를 달성하고 싶습니다.

나는 유사한 결과를 목표로하고

: https://www.youtube.com/watch?v=nzrqH ...

내가 몇 가지 문제에 직면하고, BTW 좋은입니다 detection example from the docs 실험을하는 동안 : 사이의 크기 차이 :

• 개체 해상도를 알려진 물체이고 물체가 있어야하는 장면의 해상도가 인 경우가 있습니다. 이지만 이미지가 낮은 해상도로 인식되는 객체는 이 아닙니다. 인간의 눈에는 여전히 괜찮습니다.
• 배경과의 색 대비 : 감지가 다른 배경 대비에 쉽게 산만해질 수 있습니다 (예 : 개체가 로고가 흰색 배경에 검은 색, 배경의 로고가 검정색 인 경우 배경). 다른 조명과 배경 대비에 대해 탐지를보다 강력하게 만들려면 어떻게해야합니까?
• 전처리 : 개체/장면의 전처리 작업을 수행해야합니까? 예를 들어 특정 크기까지 장면을 확대합니까? 최상의 결과를 얻으려면 여러 단계에서 기능 감지에 접근하는 방법에 대한 지침이 있습니까?

Answer 1

문제는 feature-descriptor-matching-homography 프로세스보다 복잡하다고 생각합니다. 인식이나 분류의 패턴을 지정하는 경향이 있습니다.

당신은 모양 매칭이 확장 종이 리뷰를 확인할 수 있습니다 일반적으로 일치하는 작업이 샘플 사이의 픽셀 강도 상호 상관 을 만들기 때문에

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

첫째, 이미지의 해상도가 매우 중요하다 이미지 (로고) 및 프로세스 이미지가 표시되므로 가장 잘 보일 수있는 영역을 얻을 수 있습니다.

마찬가지로 배경 조명이 최종 결과에 개별적으로 영향을 줄 수 있기 때문에 배경색 강도는 입니다.

특징 기반 방법이 널리 연구되어

돼지의 descritors : 히스토그램 지향 그라디언트

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

그래서 예를 들어, 같은 다른 방법을 시도 할 수 있습니다 : https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients

http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

나는 최신 (패턴 매칭을) 생각 일치

패턴 매칭 또는 템플릿은 알고리즘을 확인하는 가장 쉬운 방법입니다.

이러한 참조 자료가 도움이되기를 바랍니다.

건배.

우 나이.