问实时目标检测？

EN

SIFT可以通过以下几种方式加速：

• 如果你能承受得起近似，那么你可以得到一个叫做冲浪的关键点，它更快(在大多数任务中使用积分图像)。
• 您可以使用并行实现，在CPU级别(例如，OpenCV使用英特尔的TBB)或在GPU级别(google用于相关代码和doc)。

总之，Java中没有任何一个(AFAIK)可用，所以您必须使用Java包装器来打开opencv或自己解决它。

我是一个OpenIMAJ开发人员，负责制作第一个视频。

我们没有做任何特别花哨的事情来使匹配在视频中快速，而SIFT检测和提取是在每一帧的整体上进行的。事实上，在我们进行任何优化之前，视频就已经制作好了；目前版本的演示要流畅得多。我们也有一个混合KLT跟踪器的版本，它的工作速度更快，不需要在每一个帧上执行SIFT。

正如马里奥建议的那样，图像大小对提取速度有很大的影响，所以处理一个较小的帧会带来很大的胜利。第二，在SIFT文件中对Lowe提出的高斯兴趣点定位差异的原始描述中，提出输入图像的大小要加倍，以增加特征的数量。通过不执行这种双倍调整，您还可以获得很大的性能提升，而代价是要匹配的功能更少。

代码是开源的(BSD许可证)，您可以通过在http://www.openimaj.org上的链接获得它。正如视频描述中所述，图像处理代码是纯Java的；唯一的本机代码是网络摄像头的瘦接口。本教程pdf文档中的第7教程介绍了在OpenIMAJ中使用SIFT的过程。通过执行以下操作，可以实现禁用双倍大小：

DoGSIFTEngine engine = new DoGSIFTEngine();
engine.getOptions().setDoubleInitialImage(false);

一般和第一个想法:询问视频上传者(S)。我们可以假设已经做了什么或者是怎么做的。它也可能有助于了解您到目前为止做了什么(例如您的视频分辨率，您的处理能力，图像准备等)。

我没有专门使用SIFT，但在过去几年中我做了相当多的对象/运动跟踪，所以这是更一般的。你可能已经试过一些要点了，我不知道。

• 降低你的图像分辨率:从640x480到320x240将把你的数据减少到25%。如果降到160x120，它将再减少25% (剩下6.25 %的数据)，而不会对算法产生显著影响。
• 以类似的方式，它可能是有用的减少您的图像的颜色深度(不只是256个灰度，但可能更多，像64种颜色)。
• 尝试其他方法使特征更明显或更快地找到，例如尝试在图像上运行边缘检测器。
• 至少第二个视频提到了一个跟踪系统，所以您可以尝试猜测被跟踪的对象应该重现下一个帧的区域(使用一些简单的a/b过滤器或在坐标和可能的旋转上的任何内容)，然后只在该分区上使用SIFT (添加一些空白)。只有当你找不到整个图像时，才能分析它。在第二个视频中，在大约40秒或50秒时，他们丢失了物体，需要相当长的时间才能再次找到它。