在 OpenCV 中使用 SURF 测量模式识别的准确性

我目前正在 OpenCV 中使用 SURF 进行模式识别。到目前为止我有什么：我已经用 C# 编写了一个程序，我可以在其中选择源图像和我想要查找的模板。之后，我将两张图片传输到 C++-dll 中，在其中使用 OpenCV-SURFDetector 实现了一个程序，该程序将所有关键点和匹配项返回到我的 C# 程序，在其中我尝试在匹配项周围绘制一个矩形。

现在我的问题是：模式识别是否有通用的准确性衡量标准？例如匹配数量与模板中关键点数量的比例？或者也许我的匹配矩形和模板图像的原始尺寸之间的尺寸差异？用于判断匹配是否“真实”和“良好”匹配的常用参数有哪些？

Edit:为了让我的问题更清楚。我有一堆匹配点，它们已经通过 minHessian 和距离值设定了阈值。之后，我在赛点周围画了一个类似矩形的东西，正如你在我的图片中看到的那样。这是我的比赛。我现在怎么知道这场比赛有多精彩？我已经在计算现在找到的匹配项与模板之间的角度、大小和颜色差异。但我认为这太模糊了。

我不能 100% 确定你真正要问的是什么，因为你所谓的“匹配”是模糊的。但既然你说你已经匹配了你的 SURF 点并提到了模式识别和模板的使用，我假设你最终想要本地化图像中的模板，并且你正在询问本地化分数来决定你是否找到了模板是否在图像中。

这是一个具有挑战性的问题，我不知道是否已经找到了一个好的且始终合适的解决方案。

但是，根据您的方法，您可以做的是分析图像中匹配点的密度：将局部或全局最大值视为模板的可能位置（如果您知道模板在图像中只出现一次，则为全局，如果可以，则为局部）出现多次）并使用密度阈值来决定模板是否出现。该算法的草图可能是这样的：

1. 分配图像大小的浮点密度图
2. 通过将每个匹配点的邻域中的密度图增加固定量来计算密度图（例如，对于每个匹配点，添加一个固定值epsilon在您问题中显示的矩形中）
3. 找到密度图的全局或局部最大值（可以使用 opencv 函数 MinMaxLoc 找到全局最大值，可以使用形态数学找到局部最大值，例如如何在 MATLAB 中找到图像中的局部最大值？ https://stackoverflow.com/questions/1856197/how-can-i-find-local-maxima-in-an-image-in-matlab)
4. 对于获得的每个最大值，将相应的密度值与阈值进行比较tau，来决定你的模板是否存在

如果您喜欢研究文章，您可以查看以下文章以改进此基本算法：

• “具有用于实时车辆视觉检测的关键点存在功能的 ADABOOST”，作者：T.Bdiri、F.Moutarde、N.Bourdis 和 B.Steux，2009 年。 http://arxiv.org/pdf/0910.1273

• “交错对象分类和分割”，B.Leibe 和 B.Schiele，2006 年。 ftp://ftp.vision.ee.ethz.ch/publications/bookchapters/eth_biwi_00422.pdf

EDIT：解决问题的另一种方法是尝试删除意外匹配的点，以便仅保留那些真正与模板图像相对应的点。这可以通过强制紧密匹配点之间的一致性约束来完成。以下研究文章提出了这样的方法：“上下文相关的徽标匹配和检索”，作者：H.Sahbi、L.Ballan、G.Serra、A.Del Bimbo，2010 年 http://perso.telecom-paristech.fr/~sahbi/publication-193.pdf（但是，这可能需要一些背景知识......）。

希望这可以帮助。