智能手机上的实时图像识别

Question

我们的任务是创建一个应用程序，该应用程序可以从 Web 服务器下载一些模板图像并执行这些图像的实时识别。我们进行了一些研究，唯一看起来合理的解决方案是：

我们从模板图像中提取特征描述符，并在应用程序启动时将它们存储到内存中。

从每个可用的帧（不是每个，这取决于算法的速度）中也提取了这个描述符，我们将它们与每个模板描述符进行匹配，并从中挑选出最好的。

在应用程序的第一个原型（我们使用 OpenCV）中，iOS 对这种方法非常满意，但 Android，尤其是低端设备，需要大量时间来提取和匹配这些描述符。我们使用 SURF 算法是因为我们发现它最适合这项任务，并且我们使用 kNN 算法来匹配描述符。

您认为我们的解决方案是正确的，还是存在一些更好、更适合智能手机的解决方案？

谢谢

Answer 1

我做了一个和你类似的应用程序，对于android我们使用boofCV，它的冲浪比OpenCV快得多。您可以在网站上了解它的性能。该方法完全没问题，您可以考虑针对您的域调整 SURF 算法的阈值，因为如果阈值低，您将获得很多特征，获得的特征越多，计算量就越多发生并且您获得较低的帧速率。