如何在图像处理中提取模式识别算法中的特定特征以进行对象检测

Question

我想从短距离探测物体（飞机门）。该算法应该非常健壮，因此可以在任何飞机（具有许多不同的绘画，徽标）和任何天气条件（阳光，雨，白天和黑夜）上实现。

我在OpenCV中搜索并实现了其中一些功能提取算法，如SURF，SIFT和ORB，但结果不是很好。

这里代码使用ORB特征检测器

#include "opencv2/opencv_modules.hpp"
#include <stdio.h>
#ifndef HAVE_OPENCV_NONFREE
int main(int, char**)
{
    printf("The sample requires nonfree module that is not available in your OpenCV distribution.n");
    return -1;
}
#else
#include "opencv2/core/core.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdlib.h>
using namespace cv;
using namespace std;
static void help()
{
    printf("nThis program demonstrates using features2d detector, descriptor extractor and simple matchern"
            "Using the SURF desriptor:n"
            "n"
            "Usage:n matcher_simple <image1> <image2>n");
}
Mat src;Mat src_gray;
int thresh = 5;
int max_thresh = 600;
RNG rng(12345);
void thresh_callback(int, void* );
int main(int argc, char** argv)
{

    Mat img1;
    Mat img2;
    img1= imread("a350_1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    resize(img1, img1, Size(700,500), 0, 0, INTER_CUBIC);
    img2= imread("a350_1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    resize(img2, img2, Size(680,480), 0, 0, INTER_CUBIC);
    Mat image;
    if(! img1.data || ! img1.data)
    {
       cout << "Could not open or find the image" << std::endl ;
        return -1;
    }

    // detecting keypoints
    OrbFeatureDetector detector(1500);
    vector<KeyPoint> keypoints1, keypoints2;
    detector.detect(img1, keypoints1);
    detector.detect(img2, keypoints2);
    // computing descriptors
    OrbDescriptorExtractor extractor;
    Mat descriptors1, descriptors2;
    extractor.compute(img1, keypoints1, descriptors1);
    extractor.compute(img2, keypoints2, descriptors2);
    // matching descriptors
    BFMatcher matcher(NORM_HAMMING);
    vector<DMatch> matches;
    matcher.match(descriptors1, descriptors2, matches);
    // drawing the results
    namedWindow("matches", CV_WINDOW_AUTOSIZE);
    Mat img_matches;
    drawMatches(img1, keypoints1, img2, keypoints2, matches, img_matches);
    imshow("matches", img_matches);
    waitKey(0);
    return 0;
    }
#endif

我想提高算法在正确匹配特征方面的鲁棒性。因此，以更可靠的特征匹配为目的的物体识别和检测更加健壮可靠。例如，可以包括窗户和门框之间的距离（在每个飞机模型中都是固定的），然后是门框的厚度等。

我想提取一些自定义特征，以便该算法适用于任何带有任何绘画和徽标的飞机。意味着算法应该是鲁棒的，可以通过任何类型的平面检测门。某些航空公司的徽标和绘画等功能不应成为关键点/功能。

因此，我喜欢提取一般特征，例如窗户和门框之间的距离（因为对于给定的飞机型号，此功能始终相同）。例如，空客A350的门框和最近窗户之间的最小距离是1m。所以我想在我的算法中使用这个功能。有什么建议如何提取这些特征吗？

在这种情况下，我应该使用模式识别和机器学习技术，如深度神经网络或KNN？

Answer 1

如果你可以制作许多类型对象（门）的数据集，你可以使用SIFT输出等功能来训练SVM（在openCV中你可以找到几个例子）。