我一直在寻找适合我的目标识别程序的正确算法。但我发现所有的算法都有一些主要缺陷。
我的程序应该在线学习新对象。当它遇到一个新对象时,会在其上绑定一个框,并学习该对象(OpenTLD可以完美地实现这一点)。对于不同的对象,重复此过程1000次以上,程序应该能够识别1000个类和对象的实例(Haar-like特征级联可以做到这一点,而OpenTLD则失败了)。该算法必须是尺度和方向不变的(Haar失败了)。
我找到的每个算法只能满足其中一些标准,而其他标准则无法满足。令人惊讶的是,我还没有找到任何能够满足所有标准的算法。我之前提到Haar和OpenTLD只是因为它们是最接近我需要的算法。而其他算法,如SIFT、SURF等,则更远离我所需的功能。
所以我的问题是,是否存在已有的源代码可以满足我的需求?或者我应该修改现有的源代码来实现这一点?
我的程序应该在线学习新对象。当它遇到一个新对象时,会在其上绑定一个框,并学习该对象(OpenTLD可以完美地实现这一点)。对于不同的对象,重复此过程1000次以上,程序应该能够识别1000个类和对象的实例(Haar-like特征级联可以做到这一点,而OpenTLD则失败了)。该算法必须是尺度和方向不变的(Haar失败了)。
我找到的每个算法只能满足其中一些标准,而其他标准则无法满足。令人惊讶的是,我还没有找到任何能够满足所有标准的算法。我之前提到Haar和OpenTLD只是因为它们是最接近我需要的算法。而其他算法,如SIFT、SURF等,则更远离我所需的功能。
所以我的问题是,是否存在已有的源代码可以满足我的需求?或者我应该修改现有的源代码来实现这一点?