Rya*_*yan 9 machine-learning image-recognition computer-vision
我有一张简单的照片,可能包含或不包含徽标图像.我正在尝试确定图片是否包含徽标形状.徽标(具有一些额外特征的矩形形状)可以具有各种尺寸并且可以具有多次出现.我想使用计算机视觉技术来识别这些徽标的出现位置.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!
AVB*_*AVB 14
因为你需要一个尺度不变的方法(这是"可以是各种尺寸"的正确术语)SIFT(如图中的Logo识别中提到的,感谢overrider!)是一个很好的首选,它现在非常受欢迎,值得一试.你可以在这里找到一些代码下载.如果你不能使用Matlab,你可能应该使用OpenCV.即使您最终由于某种原因丢弃SIFT,尝试使其工作也会教会您一些关于对象识别的重要事项.
本节主要通过描述一大类对象检测方法向您介绍一些重要的流行语,以便您可以查看这些内容.重要提示:还有许多其他方法不属于本课程.我们称这类为"基于特征的检测".
所以,首先你去发现功能在你的形象.这些是图像的特征点(角点和线交叉是很好的例子),它们有很多不变性:无论你对图像做什么合理的处理(缩放,旋转,亮度变化,增加一些噪点等),它都会不改变某个角落存在角落的事实."像素值"或"垂直线"是不好的功能.有时,除了位置之外,特征还会包含一些数字(例如角落的突出部分).
然后你做一些清理,比如删除不够强大的功能.
然后你去你的数据库.这是你事先建立起来的东西,通常是通过拍摄几张漂亮而干净的图像来找到你想要找到的东西,运行你的特征检测,清理东西,并将它们安排在下一阶段的某些数据结构中 -
查找.您必须从图像中获取一些功能,并尝试将它们与您的数据库进行匹配:它们是否与您要查找的对象相对应？这非常重要,因为从表面上看,你必须考虑你发现的一系列功能的所有子集,这是指数级的.所以有各种各样的智能散列技术可以做到,比如霍夫变换和几何散列.
现在你应该做一些验证.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,方向和位置是什么,并且您可以使用简单的东西(如卷积)来检查它是否真的存在.
你最终得到了一堆概率,基本上:对于一些地方,你的物体存在的可能性有多大.在这里你做一些离群检测.如果您期望只有1-2次出现您的对象,那么您将寻找突出的最大概率,并仅采用这些点.如果您预计会出现很多事件(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!
| 归档时间： |
|
| 查看次数： |
5617 次 |
| 最近记录： |