我有一张简单的照片，可能包含也可能不包含徽标图像。我正在尝试确定图片是否包含徽标形状。徽标（带有一些额外特征的矩形）可以有各种尺寸，并且可以多次出现。我想使用计算机视觉技术来识别这些徽标出现的位置。有人能指出我可以用来实现这个目标的正确方向（算法、技术吗？）？
我是计算机视觉的新手，所以任何方向都会非常感激。
谢谢！
【问题讨论】：
标签： machine-learning computer-vision image-recognition
由于您需要一个尺度不变的方法（这是“可能是各种大小”的正确术语）SIFT（如Logo recognition in images 中提到的，感谢覆盖！）是一个很好的首选，它现在非常流行，并且值得一试。你可以找到here一些代码下载。如果您不能使用 Matlab，您可能应该使用 OpenCV。即使您出于某种原因最终放弃了 SIFT，尝试让它发挥作用也会教您一些关于对象识别的重要知识。
本节主要是通过描述一大类对象检测方法来向您介绍一些重要的流行语，以便您可以去查找这些内容。重要提示：还有许多其他方法不属于此类。我们将这个类称为“基于特征的检测”。
所以首先你去寻找图像中的特征。这些是图像的特征点（拐角和交叉线是很好的例子），它们具有很多不变性：无论您对图像进行什么合理的处理（缩放、旋转、亮度变化、添加一点噪音等）它不会改变在某个点有一个角落的事实。 “像素值”或“垂直线”是不好的特征。有时，除了位置之外，特征还会包含一些数字（例如角的突出度）。
然后您进行一些清理，例如删除不够强大的功能。
然后你去你的数据库。这是你预先构建的东西，通常是通过对你想要找到的任何东西拍摄几张漂亮而干净的图像，对它们进行特征检测，清理它们，并将它们安排在一些数据结构中以供你的下一阶段使用——
查找。您必须从图像中提取一堆特征并尝试将它们与您的数据库进行匹配：它们是否对应于您正在寻找的对象？这是非常重要的，因为从表面上看，您必须考虑您发现的一堆特征的所有子集，这是指数级的。所以有各种智能散列技术可以做到这一点，例如 霍夫变换 和 几何散列。
现在您应该进行一些验证。您在图像中发现了一些可疑的地方：它们很可能包含您的对象。通常，您知道对象的假定大小、方向和位置，并且可以使用简单的方法（例如卷积）来检查它是否真的存在。
你最终会得到一堆概率，基本上：对于几个位置，你的对象在那里的可能性有多大。在这里您可以进行一些异常值检测。如果您预计您的对象只出现 1-2 次，您将寻找突出的最大概率，并且只取这些点。如果您预计会出现很多情况（例如在一群人的照片上进行面部检测），您将寻找非常低的概率并丢弃它们。
就是这样，你完成了！
【讨论】：