关于我正在做什么的一点介绍...出于学术目的，我使用opencv在c中创建一个应用程序来检测场景中的静态对象 . 该应用程序基于背景减法和跟踪的组合方法，并且与放弃对象相关的事件的检测工作正常 . 但此刻我遇到了一个无法解决的问题;我必须实现一个有限状态机来检测对象移除事件，包括在后台输入对象之前和之后 . 为此，我的上级命令我使用物体的边缘 .
而现在的问题 . 在检测到非法停放在道路上的车辆之后，我需要比较各种图像的边缘（在警报时捕获的背景，当前背景，当前帧）以了解车辆的行为（拾取机芯，在后台停留或拾取运动） . 我在有车辆的场景区域（车辆通常具有不同的大小）上进行这些比较，我使用canny算法通过获得二值化的CV_8UC1 cv :: Mat来拉边缘 . 在这一点上，我必须比较它们 . 我尝试用findContours检测轮廓并将它们与matchShapes进行比较，但它看起来并不正确，我将第一个图像的每个轮廓与第二个轮廓的每个轮廓进行比较，此外通常两个图像到campare有不同轮廓的数量（例如原始背景和当前背景，因为当前背景的边缘随着车辆在背景中的进入而增加） .
我还尝试创建一个新图像，其中每个像素对应于其他两个像素的绝对差异，然后我计算差异图像的白色像素（wPx），我用这个数字进行比较：我设置了两个阈值（thr1和thr2），并且如果wPxthr2 * perim图像不同，则计算车辆的边界矩形（perim）的像素 . （我设置了百分比阈值，并将它们与边界框的周长进行摩擦，以使阈值适应车辆尺寸 . ）然而，这种解决方案似乎非常稳健 .
你有什么简单的建议吗？非常感谢，无论如何，StackOverflow用户不止一次帮助过我！
PS：THIS是我必须比较的图像的一个例子
-
第一个是没有车辆静止的背景，包含街道的边缘;
-
第二个是原始背景，即检测到静止车辆时捕获的背景;
-
第三个是当前背景（在这种情况下等于原来是同一帧，但随后改变）;
-
第四个是视频的当前帧;
1 回答
您可能需要查看本文：A Novel SIFT-Like-Based Approach for FIR-VS Images Registration . Aguilera等 . 建议 Edge Oriented Histogram descriptor (EOH-SIFT) .
本文旨在将多光谱图像，可见光和红外图像相互记录 . 由于图像的不同特征，作者首先提取两个图像中的边缘/轮廓，这导致图像与您的相似 .
因此，您可以使用此描述符描述您的图像补丁，如下图所示（摘自上文）：
将图像补丁细分为4x4区域
对于16个子区域中的每一个，构成轮廓方向的直方图（5个区间）
将直方图放在一起，形成一个大小为16x5 = 80个二进制位的描述符向量
标准化特征向量
因此，您要比较的每个图像（在您的情况下为4）都由其80维特征向量描述 . 您可以通过计算和评估它们之间的欧几里德距离来比较它们 .
注意：建议使用尺寸为80x80或100x100（NxN）像素的色块 . 您可能需要根据图像大小调整大小 .