在冲浪键盘上，大小和响应到底代表什么？

Question

我使用OpenCV 2.3来检测和匹配关键点。但是我对检测算法给出的size和response参数有点困惑。他们到底是什么意思？

根据OpenCV手册，我无法理解：

float size：有意义的关键点邻域的直径 float response：选择了最强大的关键点的响应。可用于进一步的排序或次抽样。

我认为最好的跟踪点应该是反应最高的那一点，但情况似乎并非如此。那么，如何才能对冲浪探测器返回的一组关键点进行子采样，以保持最佳的跟踪性能呢？

Answer 1

大小和响应

SURF是一个blob检测器，简而言之，特征的大小就是blob的大小。更准确地说，OpenCV返回的大小是近似Hessian算子长度的一半。这种大小也称为尺度，这是由于blob探测器的工作方式，即在功能上等于先用高斯滤波器在几个尺度上模糊图像，然后对图像进行下采样，最后检测固定大小的斑点。请看下面显示冲浪功能大小的图片。每个特征的大小是绘制圆的半径。从特征中心到圆周的线显示角度或方向。在该图像中，blob检测滤波器的响应强度是彩色编码的。您可以看到，大多数检测到的功能都有微弱的响应。(请参阅全尺寸图像这里)

​

​

该直方图显示了上述图像中特征的响应强度的分布：

​

​

跟踪什么功能？

最健壮的特征跟踪器跟踪所有检测到的特征。功能越多，健壮性越强。但是，要跟踪大量的特性是不切实际的，因为我们经常想要限制计算时间。要跟踪的特性的数量通常应该根据每个应用程序的经验进行调整。通常情况下，图像被划分为规则的子区域，在每个子区域中，n个最强大的特征被保持跟踪。通常选择n，使每个帧总共检测到约500~1000个特征。

参考文献

阅读描述冲浪的期刊论文肯定会让您对它的工作方式有一个很好的了解。尽量不要陷入细节，特别是如果你的背景不是机器/计算机视觉或图像处理。SURF检测器乍一看可能看起来非常新颖，但是整个想法是使用积分图像(在冲浪之前就已经被其他方法使用)来估计Hessian算子(一个很好的滤波器)。如果你想很好地理解冲浪，而且你不熟悉图像处理，你需要回去阅读一些介绍性的材料。最近我遇到了一本免费的新书，它的第13章对特征检测做了一个很好和简短的介绍。并不是每句话在技术上都是正确的，但这是一个很好的起点。这里你可以找到另一个很好的描述冲浪与几个图像显示如何每一步工作。在该页面上，您可以看到以下图像：

​

​

你可以看到白色和黑色的斑点，这些是冲浪探测到的几个尺度，并估计它们的大小(在OpenCV代码中半径)。

Answer 2

1. “大小”是原始图像中描述符所覆盖的区域的大小(它是通过在尺度空间中对原始图像进行下采样获得的，因此它因其尺度而因关键点而异)。
2. “回应”确实是一个“有多好”的指标(粗略地说，从角落的角度来说)一个点是什么。
3. 好的点是稳定的静态场景检索(这是SIFT/SURF描述符的主要目的)。在跟踪的情况下，你可以有好的点出现，因为跟踪对象是在一个良好的背景上，一半在阴影中.然后消失，因为这种情况已经改变(光的变化，遮挡.)。因此，没有保证跟踪任务的一个好的点将始终存在。