我无法在互联网上找到一个好的解释。有太多东西了，而不是找出要做什么，我变得更加困惑。
我的目标：创建一个Android应用程序，使用相机实时检测物体（我的物体是方向盘和汽车轮胎）。
到目前为止，我尝试过haar分类器，但是很难训练，耗费了很多时间，并且无法正确地训练它，因此我决定寻找另一种实现我的目标的方法。
现在我了解了特征检测器和SVM训练。我的问题是：
1：我应该使用哪个算法（SURF、ORB、FREAK等）？
2：你对HOG + Bag-Of-Words有什么看法？
3：你能告诉我如何训练SVM或者提供一个教程链接吗？-我没有找到任何关于这个的教程。我在继续搜索，但我的时间有限，所以我决定问问。
4：哪种算法会给出最好的结果？
5：我应该使用Android NDK原生实现还是与Java实现相比不会有太大区别？
如果您有任何教程或参考资料，请将它们添加到您的答案或评论中。对于这个冗长的问题，我感到抱歉，正如我所说，我的时间有限（这是一个学校项目）。即使只是部分答案，我也会非常感激。谢谢！
1: 并不存在适用于所有情况的最佳算法，而是根据应用程序的需求选择适用于某些特定情况的算法。
您可以尝试使用最常见但效率较低（慢）且需要大量内存的描述符SIFT和SURF。如果效率是您的目标，可以尝试使用二进制描述符（例如BRIEF、ORB、BRISK、FREAK），它们更加高效并需要更少的存储空间。还可以看一下FAST检测器。
2: 图像分类问题中的Bag-of-Words是一种方法，可识别给定一组包含对象类别的正训练图像和一组不包含对象类别的负训练图像的对象类别。
Bag-Of-Words将为每个训练图像获取一个向量表示。
在获得这个向量后，您将需要训练分类器来区分与正训练图像相对应的向量和负训练图像。您可以使用SVM分类器进行此操作。
3: 这里有一个完整的OpenCV 2.3方法（BOW + SVM）的教程。您需要在代码中进行一些更改，但总体思路已经在这里：http://www.morethantechnical.com/2011/08/25/a-simple-object-classifier-with-bag-of-words-using-opencv-2-3-w-code/
此外，还有一个OpenCV SVM教程：http://docs.opencv.org/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html
4: 正如我之前所说，并不存在完美的算法，因此我无法回答您。我认为在（1.）中尝试一些替代方案后，您将能够回答我们的问题。 :)
5. 我认为您应该使用Android NDK，但我对Android开发不了解。
http://docs.opencv.org/doc/tutorials/introduction/android_binary_package/android_dev_intro.html http://opencv.org/platforms/android.html
