假设我有一张从移动相机拍摄的汽车的图像，我还有另一张从互联网下载的汽车的图像。（为简单起见，请假设这两个图像都包含同一辆汽车的相同侧视图投影。）
如何检测两个图像都代表同一对象，即使用OpenCV？
在这种情况下我尝试了模板匹配，功能匹配（ORB）等
筛分功能匹配可能会产生比ORB更好的结果。但是，这里的主要问题是您只有每种类型的图像（来自移动摄像机和互联网。如果您有大量的汽车模型图像，那么您可以使用这些图像训练机器学习系统后来，您可以将汽车的一张图像提交给机器学习系统，并且机器学习系统的可能性更高。
从机器学习的角度来看，只使用一个图像作为主人，而另一图像与教给孩子的字母" a"仅使用一个手写字母" a"，并期望他/她识别任何人写的任何手写字母" a"。
考虑如何数学上描述汽车的功能，以使每辆车都不同。也许每辆车都有不同的车轮？也许从门把手到侧窗底部的距离是每辆车的独特特征？也许每辆车的前窗与后侧窗的宽度的比例是那辆车的单个功能？
您可能无法100％信心回答这些问题。但是，您可以做的是将它们组合到多维特征向量并执行分类中。
现在，这里的关键部分是，由于您正在进行手动功能描述，因此您需要照顾出出色的工作并测试每一步。例如，您需要设计将是缩放和视角不变的功能。在这里，我建议阅读有关面部检测是如何设计为满足这一要求的。
机器学习会成为更好的解决方案吗？很大程度上取决于两件事。首先，您打算在算法上投放哪种数据。其次，您如何控制过程。
今天大多数人都没有意识到的是，机器学习不是对每个问题的神奇解决方案。它是一种工具，由于每个工具都需要适当的处理来提供结果。如果我要给您建议，我会说您还不能很好地处理。
我的建议：熟悉基本特征提取和一般图像处理算法。边缘检测（Canny，Sobel），轮廓查找，形状描述，hough变换，形态操作，掩盖等。没有触手可及的情况，我在这种情况下说，即使是机器学习也不会拯救您。
很抱歉：这里没有快捷方式。您需要做功课才能使这项工作。但是不要让你吓到你。这是一个很棒的项目。祝你好运！