【计算机视觉】Lecture 32：基于PCA的目标识别

模板匹配

对象可以通过存储示例图像或“模板”来表示

模板匹配的假设

• 将模板放在给定图像的每个位置。

• 将模板中的像素值与图像底层区域中的像素值进行比较。

• 如果发现“良好”匹配，则宣布对象存在于图像中。

•可能的测量方法有：SSD、SAD、互相关、归一化互相关、最大差异等。

模板匹配的局限性

如果对象在图像上显示为缩放、旋转或倾斜，则匹配将不好。

解决方法

搜索模板和模板可能的变换(transformations)

效率不高！（但可行……）

使用特征空间

• 图像中对象的外观取决于以下几点：

–视角

–光照条件

–传感器

–对象本身（例如：人类面部表情）

• 原则上，可以通过增加模板数量来处理这些变化。

特征空间： 使用多个模板

• 模板数量可以快速增长！

• 我们需要：
•存储模板的有效方法
•搜索匹配的有效方法

• 观察：虽然每个模板不同，但模板之间存在许多相似之处。

有效的图像存储

考虑以下 3×1 的模板：

如果每个像素存储在一个字节中，我们需要18=3 x 6字节