使用具有不同大小训练图像的LDA和ORB进行对象识别

Object recognition using LDA and ORB with different sized training image.

本文关键字：LDA ORB 识别 对象 图像      更新时间：2023-10-16

我正在尝试构建一个轻量级的对象识别系统，使用ORB进行特征提取，LDA进行分类。但是我遇到了一个问题，即提取的特征大小不同。

这些是我的步骤：

  1. 使用 ORB 提取关键点。
  2. 通过对关键点进行分组来提取图像中的可训练特征。（提取内容的示例：https://i.stack.imgur.com/AoyGg.jpg）
  3. 使用提取的特征训练识别器。（这就是问题出现的地方）
  4. 对图像中的对象进行分类。

如果我尝试使用 cv：：gemm 创建一个通用矩阵，由于大小不同，我得到了一个异常。我的第一个想法是通过调整大小来规范化所有图像，但是当对象具有类似的小特征时，这会导致很多准确性问题。

有什么解决方案吗？LDA是否是一种合适的方法？我知道它通常用于面部识别算法，如渔人脸。

LDA需要固定长度的功能，大多数优化和机器学习方法也是如此。 您可以将图像补丁的大小调整为固定大小，但这可能不会是一个好功能。 通常人们使用刻度不变功能，例如 SIFT。 您还可以尝试使用彩色直方图，或边缘检测和空间直方图合并的某些变体，例如 GIST 矢量。

在不知道您希望完成什么的情况下，很难说LDA是否是一种合适的方法。 您还可以考虑使用 SVM、某种形式的提升，或者只是具有大型训练集的普通最近邻。

相关文章：