开源对象识别算法

Question

我一直在对正确的算法进行大量搜索以用于我的对象识别程序。但是我发现的一切都有一些重大缺陷。

我的程序应该学习新的对象，因为它遇到他们，在线。当它遇到一个新的对象时，一个盒子被绑定在上面，并且学习对象（OpenTLD完成这个工作）。对于不同的对象重申这1000倍的时间，程序应该能够识别1000个类和对象的实例（Haar-like功能级联可以做到这一点，OpenTLD失败）。该算法必须是规模和方向不变的（哈尔失败）。

我发现的一切都只能满足上述条件中的一部分，而其他条件都失败了。令人惊讶的是我还没有遇到任何符合所有标准的东西。我只提到Haar和OpenTLD，因为它们是最接近我需要的。其他算法，如SIFT，SURF甚至远离我所需要的。

所以我的问题是，是否有任何现有的源代码，做我所需要的？或者，这是我会有更好的运气，只是修改现有的源代码？

Answer 1

TLD和Kalal的工作非常适合跟踪。但是，确认是一个非常不同的问题。

我不明白你为什么不考虑SIFT或SURF的认可。我一定会朝这个方向看。面向梯度的直方图（HoG）（Wikipedia）是一个相关的算法家族，被认为是最先进的。例如，它在很多ICIP'11论文中以某种形式使用。

你在问什么仍然是一个未解决的计算机视觉问题。你不会找到许多随时可用的代码。研究代码（例如Matlab）用于非商业用途，是的，但是您可能必须对其进行修改/优化以实现实际应用。 Pongr，Kooaba，IQEngines等公司提供了用于识别物体的在线API。