OpenCV 的 findHomography 产生无意义的结果

我正在制作一个程序，使用 OpenCV (2.43) 中的 ORB 跟踪功能，我遵循并使用了建议从这里 https://stackoverflow.com/questions/9919505/how-can-i-extract-fast-features-from-an-image.

我的目标是跟踪视频源中的对象（脸部）并在其周围绘制一个矩形。

我的程序找到关键点并正确匹配它们，但是当我尝试使用findHomography + perspectiveTransform为图像找到新的角点通常会返回一些无意义的类型值（尽管有时它会返回正确的单应性）。

Here is an example picture:

这是相应的有问题的部分：

Mat H = findHomography( obj, scene, CV_RANSAC );  

//-- Get the corners from the image_1 ( the object to be "detected" )
std::vector<Point2f> obj_corners(4);
obj_corners[0] = cvPoint(0,0); obj_corners[1] = cvPoint( img_object.cols, 0 );
obj_corners[2] = cvPoint( img_object.cols, img_object.rows ); obj_corners[3] = cvPoint( 0, img_object.rows );
std::vector<Point2f> scene_corners(4);

perspectiveTransform( obj_corners, scene_corners, H);

//-- Draw lines between the corners (the mapped object in the scene - image_2 )
line( img_matches, scene_corners[0] + Point2f( img_object.cols, 0), scene_corners[1] + Point2f( img_object.cols, 0), Scalar(0, 255, 0), 4 );
line( img_matches, scene_corners[1] + Point2f( img_object.cols, 0), scene_corners[2] + Point2f( img_object.cols, 0), Scalar( 0, 255, 0), 4 );
line( img_matches, scene_corners[2] + Point2f( img_object.cols, 0), scene_corners[3] + Point2f( img_object.cols, 0), Scalar( 0, 255, 0), 4 );
line( img_matches, scene_corners[3] + Point2f( img_object.cols, 0), scene_corners[0] + Point2f( img_object.cols, 0), Scalar( 0, 255, 0), 4 );

其余代码实际上与我提供的链接中的相同。 绘制的线条看起来完全随机，我的目标只是在新场景中获得源对象的最小矩形，因此如果有使用单应性的替代方法也可以。

附：要跟踪的源图像是从视频输入复制的区域，然后在该输入的新图片中进行跟踪，这重要吗？

功能perspectiveTransform在假设相应点集不易出错的情况下估计单应性。然而，在现实世界的数据中，你不能这样假设。解决方案是使用稳健的估计函数（例如 RANSAC）将单应性问题作为超定方程组来求解。

您可以使用findHomography相反，它返回单应性。该函数的输入是一组点。该组至少需要 4 点，但组越大越好。单应性只是一个估计，但对错误的鲁棒性更强。通过使用CV_RANSAC标记它能够在内部删除异常值（错误的点对应）。