我是一名新手计算机视觉工程师，我想在图像（或视频帧）中检测特定的平面物体。
“特定的”和“平面”的意思是什么呢？
“平面的”物体就像物体一样，但是它们是平的……对我来说，这意味着：
1. 物体将始终从大致相同的“正面”角度查看，也就是说，相机轴与其表面法线大致相对应。（但它们可能会围绕该轴旋转）。 2. 物体的照明角度不会改变任何东西（即它没有凸起和折痕投射阴影）。
“特定”的对象是指：
1. 我知道其确切外观和形状。 2. 它们都完全相同，没有变化。 3. 我有它们的（精确的）照片（或表示）。
例如：
- 一美元钞票的正面 - 蒙娜丽莎 - （你最喜欢的杂志）最后一期的封面 - ...
我相信这个问题足够容易，我应该能够找到一个计算机视觉库的函数，基本上像这样工作：
事实上，我不太关心物体的大小和位置，我只需要一个计数。
“特定的”和“平面”的意思是什么呢？
“平面的”物体就像物体一样，但是它们是平的……对我来说，这意味着：
1. 物体将始终从大致相同的“正面”角度查看，也就是说，相机轴与其表面法线大致相对应。（但它们可能会围绕该轴旋转）。 2. 物体的照明角度不会改变任何东西（即它没有凸起和折痕投射阴影）。
“特定”的对象是指：
1. 我知道其确切外观和形状。 2. 它们都完全相同，没有变化。 3. 我有它们的（精确的）照片（或表示）。
例如：
- 一美元钞票的正面 - 蒙娜丽莎 - （你最喜欢的杂志）最后一期的封面 - ...
我相信这个问题足够容易，我应该能够找到一个计算机视觉库的函数，基本上像这样工作：
> findObjects("object.png", "image.png")
[object at x1, y1, rotated z1 degrees, size height1*width1,
object at x2, y2, rotated z2 degrees, size height2*width2,
...]
事实上，我不太关心物体的大小和位置，我只需要一个计数。
但是我找不到类似的东西。我能找到的只有无数的面部识别示例，其中使用了一种称为Haar分类器的东西，但这似乎并不适合我的问题，因为：
- 人脸不是平的，因此该分类器必须处理不同的照明、阴影等问题。
- 它必须识别人脸，即相似但不完全相同的物体。
- 它必须识别它没有训练过的人脸，仅仅因为它们“看起来像”人脸。
- 证明这不适用的事实是：它必须用数百或数千个正面和负面样本进行训练。在我的问题中，所有所需的信息都包含在一个样本中。因此，这肯定不正确。
那么，是否存在类似于此的内容？
我更喜欢使用OpenCV，因为这似乎是标准的计算机视觉库，但我对任何解决方案都持开放态度。