如果两个图像代表同一个对象，如果对象的图片来自OpenCV中的两个不同来源，如何进行比较？

Question

假设我有一个从我的移动相机拍摄的汽车图像，我有另一个从互联网下载的汽车图像。 （为简单起见，请假设两幅图像包含同一辆车的相同侧视投影。）

如何使用OpenCV检测到这两个图像代表的是同一个对象，即汽车？在

我尝试过模板匹配，特征匹配（ORB）等，但这些都不起作用，并没有提供令人满意的结果。在

Answer 1

SIFT特征匹配可能比ORB产生更好的结果。但是，这里的主要问题是每种类型的图像只有一个（来自移动摄像头和互联网）。如果你有这个车型的大量图像，那么你可以使用这些图像训练一个机器学习系统。稍后，您可以向机器学习系统提交一个汽车的图像，机器学习系统识别它的几率要高得多。在

从机器学习的角度来看，只使用一个图像作为主图像并将另一个图像与之匹配，就相当于只使用一个手写字母“a”来教孩子字母“a”，并期望他/她识别任何人写的手写字母“a”。在

Answer 2

想一想如何用数学的方法来描述汽车的特性，这样每辆车都是不同的。也许每辆车都有不同尺寸的车轮？也许从车门把手到侧窗底部的距离是每辆车的独特之处？也许每辆车的前车窗与后车窗宽度的比例就是这辆车的一个特点？在

对于这些问题，你可能无法100%自信地回答“是”。但是，你所能做的，就是把这些组合成一个多维特征向量并进行分类。在

现在，这里最关键的部分是，既然您在进行手动特性描述，那么您需要注意做好工作并测试每一步。例如，您需要设计具有缩放和透视不变性的特性。在这里，我推荐阅读face detection是如何设计来满足这个需求的。在

机器学习会是更好的解决方案吗？很大程度上取决于两件事。首先，你打算在算法中加入什么样的数据。其次，你能控制好这个过程。在

今天大多数人没有意识到，机器学习并不是解决所有问题的神奇方法。它是一种工具，作为每一种工具，它都需要适当的处理才能提供结果。如果我给你建议的话，我会说你还不能很好地处理这件事。在

我的建议：熟悉基本特征提取和一般的图像处理算法。边缘检测（Canny，Sobel）、轮廓查找、形状描述、hough变换、形态学操作、掩蔽等。如果没有这些，我想说在这种情况下，即使是机器学习也救不了你。在

对不起，这里没有捷径。你需要做你的家庭作业才能让它发挥作用。但别让那吓到你。这是一个伟大的项目。祝你好运！在