2
我想建立一個輕量級的對象識別系統,使用ORB進行特徵提取和LDA分類。但是我遇到了一個問題,以適應不同大小的提取特徵。使用LDA和ORB與不同大小的訓練圖像進行對象識別。
這是我的步驟:使用ORB
- 提取關鍵點。
- 通過對關鍵點進行分組,提取圖像中的可訓練功能。 (正在提取內容的示例:http://imgur.com/gaQWk)
- 用提取的功能訓練識別器。 (這是出現問題的地方)
- 對來自野外的圖像中的對象進行分類。
如果我嘗試使用cv :: gemm創建一個廣義矩陣,由於大小不同,我會得到一個異常。我的第一個想法是通過調整大小來規範化所有圖像,但是當對象具有相似的小特徵時,這會導致很多準確性問題。
有沒有解決這個問題的方法? LDA是一個合適的方法嗎?我知道它常用於面部識別算法,如fisherfaces。