開源對象識別算法

Question

我一直在對正確的算法進行大量搜索以用於我的對象識別程序。但是我發現的一切都有一些重大缺陷。

我的程序應該學習新的對象，因爲它遇到他們，在線。當它遇到一個新的對象時，一個盒子被綁定在上面，並且學習對象（OpenTLD完成這個工作）。對於不同的對象重申這1000倍的時間，程序應該能夠識別1000個類和對象的實例（Haar-like功能級聯可以做到這一點，OpenTLD失敗）。該算法必須是規模和方向不變的（哈爾失敗）。

我發現的一切都只能滿足上述條件中的一部分，而其他條件都失敗了。令人驚訝的是我還沒有遇到任何符合所有標準的東西。我只提到Haar和OpenTLD，因爲它們是最接近我需要的。其他算法，如SIFT，SURF甚至遠離我所需要的。

所以我的問題是，是否有任何現有的源代碼，做我所需要的？或者，這是我會有更好的運氣，只是修改現有的源代碼？

Answer 1

TLD和Kalal的工作非常適合跟蹤。但是，確認是一個非常不同的問題。

我不明白你爲什麼不考慮SIFT或SURF的認可。我一定會朝這個方向看。面向梯度的直方圖（HoG）（Wikipedia）是一個相關的算法家族，被認爲是最先進的。例如，它在很多ICIP'11論文中以某種形式使用。

你在問什麼仍然是一個未解決的計算機視覺問題。你不會找到許多隨時可用的代碼。研究代碼（例如Matlab）用於非商業用途，是的，但是您可能必須對其進行修改/優化以實現實際應用。 Pongr，Kooaba，IQEngines等公司提供了用於識別物體的在線API。