Размер и отклик

SURF — это детектор блоба, короче говоря, размер объекта — это размер блоба. Чтобы быть более точным, размер, возвращаемый OpenCV, составляет половину длины аппроксимированного оператора Гессе. Размер также известен как масштаб, это связано с тем, как работают детекторы пятен, т. Е. Функционально они равны первому размытию изображения с помощью фильтра Гаусса в нескольких масштабах, а затем уменьшению дискретизации изображений и, наконец, обнаружению пятен с фиксированным размером. См. изображение ниже, показывающее размер функций SURF. Размер каждой функции равен радиусу нарисованного круга. Линии, идущие от центра элементов к окружности, показывают углы или ориентации. На этом изображении сила отклика фильтра обнаружения блоба выделена цветом. Вы можете видеть, что большинство обнаруженных функций имеют слабый отклик. (см. полноразмерное изображение здесь)

Эта гистограмма показывает распределение силы отклика функций на изображении выше:

Какие функции отслеживать?

Самый надежный трекер функций отслеживает все обнаруженные функции. Чем больше функций, тем выше надежность. Но отслеживать большое количество признаков нецелесообразно, так как часто мы хотим ограничить время вычислений. Количество функций, которые нужно отслеживать, часто должно быть эмпирически настроено для каждого приложения. Часто изображение делится на обычные подобласти, и в каждой из них отслеживаются n самых ярких признаков. n обычно выбирается таким образом, чтобы в каждом кадре обнаруживалось около 500~1000 признаков.

использованная литература

Чтение журнальной статьи с описанием SURF определенно даст вам хорошее представление того, как это работает. Просто постарайтесь не зацикливаться на деталях, особенно если ваш фон не связан с машинным/компьютерным зрением или обработкой изображений. Детектор SURF может показаться чрезвычайно новым на первый взгляд, но вся идея заключается в оценке оператора Гессе (хорошо зарекомендовавший себя фильтр) с использованием интегральных изображений (которые использовались другими методами задолго до SURF). Если вы хотите очень хорошо понять SURF и не знакомы с обработкой изображений, вам нужно вернуться и прочитать некоторые вводные материалы. Недавно я наткнулся на новую бесплатную книгу, глава 13 которой содержит хорошее и краткое введение в обнаружение признаков. Не все, что там сказано, технически правильно, но это хорошая отправная точка. Здесь вы можете найти еще одно хорошее описание SURF с несколькими изображениями, показывающими, как работает каждый шаг. На этой странице вы видите это изображение:

Вы можете видеть белые и черные пятна, это пятна, которые SURF обнаруживает в нескольких масштабах и оценивает их размеры (радиус в коде OpenCV).

1. «размер» — это размер области, охватываемой дескриптором в исходном изображении (он получается путем понижения разрешения исходного изображения в пространстве масштаба, поэтому он варьируется от ключевой точки к ключевой точке в зависимости от их масштаба).

2. «Отклик» действительно является показателем того, «насколько хороша» (грубо говоря, с точки зрения угловатости) точка.

3. Хорошие точки стабильны для поиска статических сцен (это основная цель дескрипторов SIFT/SURF). В случае отслеживания у вас могут появиться хорошие точки, потому что отслеживаемый объект находится на хорошо сформированном фоне, наполовину в тени... а затем исчезнуть, потому что это условие изменилось (изменение освещения, окклюзия...). Таким образом, нет никакой гарантии, что для отслеживания задач всегда будет хорошая точка.