目标检测 - 算法建议答案

【问题标题】：Target Detection - Algorithm suggestions目标检测 - 算法建议
【发布时间】：2012-04-28 19:15:33
【问题描述】：

我正在尝试在 C++ 中进行图像检测。我有两张图片：

图像场景：1024x786 人：36x49

我需要从现场识别出这个特定的人。我尝试使用 Correlation，但图像太嘈杂，因此无法提供正确/准确的结果。

我一直在思考/研究最能解决此任务的方法，这些方法似乎最合乎逻辑：

基本上，我想移动图像周围的噪点，这样我就可以使用相关性来更有效地找到人。

我了解 FFT 将难以实施和/或可能会很慢，尤其是在我使用的图像大小的情况下。

任何人都可以提供任何解决此问题的建议吗？最好的技术/算法是什么？

【问题讨论】：

【解决方案1】：

我没有一个确切的算法可以提出，因为我发现目标检测方法很大程度上取决于具体情况。相反，我有一些提示和建议。以下是我的建议：找到目标的特定特征并围绕它设计代码。

例如，如果您可以访问彩色图像，请使用 Wally 没有太多绿色和蓝色的事实。从红色图像中减去蓝色和绿色的平均值，您将有一个更好的起点。（对图像和目标应用相同的操作。）但是，如果噪声与颜色有关（即：每种颜色不同），这将不起作用。

然后您可以在转换后的图像上使用相关性以获得更好的结果。负面的相关性是它只适用于第一张图像的精确剪切......如果您需要找到目标以帮助您找到目标，这不是很有用！相反，我认为你的目标的平均版本（许多 Wally 图片的组合）在某种程度上可以工作。

我的最后建议：根据我处理噪声图像的个人经验，光谱分析通常是一件好事，因为噪声往往只会污染一个特定的尺度（希望与 Wally 的尺度不同！）此外，相关性在数学上相当于比较图像和目标的光谱特征。

【讨论】：

【解决方案2】：

在 Andrew Ng 的 Machine Learning class 中，我们使用神经网络和滑动窗口解决了这个问题：

使用 36x49 窗口（或您想要的任何其他大小）使用带有标签的数据训练神经网络以识别您正在寻找的特定特征。
要识别新图像，请选取 36x49 矩形并将其滑过图像，在每个位置进行测试。当您移动到新位置时，将窗口向右移动一定数量的像素，称之为jump_size（比如 5 个像素）。当您到达图像的右侧时，返回 0 并将窗口的y 增加jump_size。

神经网络对此有好处，因为噪声不是一个大问题：您无需将其移除。这也很好，因为它可以识别出与之前看到的相似但略有不同的图像（面部角度不同，光线略有不同等）。

当然，缺点是您需要训练数据才能做到这一点。如果您没有一组预先标记的图像，那么您可能会不走运 - 尽管如果您有 Facebook 帐户，您可能可以编写一个脚本来提取您和您朋友的所有标记照片并使用它。

【讨论】：

您好，感谢您的回复。这不是真正的面孔（比如，真实的面孔）它基本上是一个 Where's Wally 任务。所以我可以将图像分割成相同大小的块，然后移动图像，看看哪个相关性最高，这就是位置。我已经尝试过了，但没有给出我想要的预期结果，我什至查看了块，并且由于噪音问题，场景中不存在矩阵。
除了相关性之外，您还有什么建议？ codepad.org/Bvxwkqwm 是我目前的算法。有任何想法吗？谢谢
正如我在原帖中所说，我推荐使用 NN 分类器。这是对您尝试做的事情的概括，因此您只需要拥有一堆 Wally 的图片来训练分类器，但这应该不会太难。我向你保证，它比基于相关性的系统要好得多！

【解决方案3】：

只有当您已经使用 kd-tree 或分层树对图像进行排序时，FFT 才有意义。我建议将图像 2d rgb 值映射到 1d 曲线，并在频率分析之前降低一些复杂性。

【讨论】：