如何使用 OpenCV 和 SIFT 查找我的训练图像的多个实例

Posted 2023-03-13

【中文标题】如何使用 OpenCV 和 SIFT 查找我的训练图像的多个实例

【英文标题】：How to find multiple instances of my training image with OpenCV and SIFT

【发布时间】：2014-05-20 12:43:12

【问题描述】：

到目前为止，我已经能够使用 BFMatcher 从我的查询图像中的训练图像中非常准确地检测到关键点。但是，我的查询图像（蜂箱的框架）中出现了几十个训练图像（蜜蜂）的实例。是否可以使用 SIFT 来查找另一个图像的多个独立实例？

理想情况下，我希望通过上面的图片能够将我的查询图像中的 4 个关键点与多个独立的蜜蜂进行匹配。

【参考方案1】：

我不太了解 OpenCV，不知道它是否专门提供例程来提供帮助。也就是说，如果你有一个用于 SVD 的数值库，那么 DIY 的数学计算并不算太糟糕，例如麻木的。在 Lowe 2004 年的论文中，匹配取决于两个最接近匹配的比率。如果您计算“查询图像”中的所有关键点，然后应用此标准，您将很容易返回多个结果（如果它们存在）（数据库中具有相同比率 +/- epsilon 的任何 2 个关键点都是匹配的）。但是，这可能会导致虚假匹配。因此，除了 Lowe 论文中的基本测试之外，RANSAC 还可用于丢弃与“训练图像”和“查询图像”之间的单应性不一致的候选匹配。有关详细信息，请参阅 David Lowe 和谷歌“RANSAC 单应性”的“尺度不变关键点的独特图像特征”。我不确定您是否希望专门匹配 4 个关键点是否至关重要。我所指的技术将在每次 RANSAC 迭代中使用 4 个点来计算候选单应性，但是如果它们匹配并且与单应性一致，那么匹配的总数很容易大于 4。仅使用比率测试仅可以使用 4 点，但使用 RANSAC 则无法使用。

【参考方案2】：

我记得一些关于蜜蜂的作品，它们使用特征向量技术进行检测（和粒子滤波器进行跟踪），也许会有帮助，也许没有：)

Khan, Z., Balch, T., & Dellaert, F. (2004, June). A rao-blackwellized particle filter for eigentracking. In Computer Vision and Pattern Recognition, 2004. CVPR 2004. Proceedings of the 2004 IEEE Computer Society Conference on (Vol. 2, pp. II-980). IEEE.

不管怎样，Zia Khan 研究员在追踪各种蜜蜂和蚂蚁方面（特别是粒子过滤器）做了一些出色的工作，看看他的其他作品，也许会有所帮助！