OpenCV 查找图像的紧密匹配答案

【问题标题】：OpenCV to find close match for imagesOpenCV 查找图像的紧密匹配
【发布时间】：2016-04-28 05:05:01
【问题描述】：

我想找到最接近的匹配图像。例如有汽车和自行车的图像。如果给定的图像是自行车。那么它应该将给定的图像与存储的汽车和自行车进行比较，并根据基于形状的封闭给出结果。

我想知道是否可以找到轮廓并与最接近的轮廓匹配。

我尝试在 open cv 中使用 haar cascade。通过训练汽车图像和自行车。但结果不正确可能是因为训练数据较少。（我不想用这个）

【问题讨论】：

我怀疑你会想要更好地调查机器学习是如何工作的。它的背景有助于为诸如 haar 级联之类的事物创建参数。给你的建议：报名参加 Andrew NG（斯坦福）的 Coursera 机器学习课程，其中有一堂课专门针对如何改进学习算法，重点是我需要更多的学习样本等......跨度>
感谢 zipzit 的回复。问题是我没有时间。有很多代码可用于面部检测等等，您不需要通过课程直接使用该功能。
没错。祝你好运。
有这么多面部识别代码的原因是人们投入了大量时间。由于整个无人驾驶汽车的事情，自行车识别也有其公平的份额，尝试搜索一下......但实际上，如果你不了解大部分代码，你将直接从网上获得便便结果调整参数（像 zipzit 这样的课程建议您开始学习）

【解决方案1】：

为此，您将面临使用标准技术（例如轮廓）的艰难斗争。

编辑 >> 所以，以你的自行车为例，这里会发生什么：

神经网络和其他机器学习算法是您最好的选择：

特别是“Multiclass Classification”品种。通过培训（时间），他们更有可能将您的猫从您的自行车中分拣出来。

代码示例请看here。不是基于图像的示例，但您需要从某个地方开始 :)

只有 8 个停车标志的训练图像，它的内部结构形成了这样的表示：

非常漂亮。

没有理由不能将轮廓结果用作 ML 分类器的输入，只要它们以某种方式提高信噪比...（即它们在某种程度上比不更“笨拙”）

【讨论】：

【解决方案2】：

我认为可以应用和测试以下方法->

组合将是一个很棒的想法，但 GFHOG 会增加开销。

研究一下它非常酷的技术，我认为这将回答您的问题。 http://personal.ee.surrey.ac.uk/Personal/R.Hu/ICIP.html

【讨论】：