使用带有BREIF提取器c OpenCV的FAST检测器的结果很差

首先，感谢您阅读我的问题 . 我写了一个程序

• 检测场景中的移动物体（来自固定摄像机）

• 跟踪他们

• 尝试将它们与静态数据库匹配并识别它们

在这张图片中你可以看到一个示例视频中的结果，该程序工作正常，它检测到红色汽车识别它并且它正在跟踪汽车::

注意：橙色圆点表示为动态数据库获取额外样本以备将来使用的位置 .

问题：简而言之，我的方法是

• extract region of interests

• local feature detection [快速特征检测器]

• local feature extraction [SIFT描述符提取器]

• descriptor matching [蛮力匹配]

我有3个数据库，每个对象都与之比较 . 我希望我的程序尽可能快，因为它在这一点上安静缓慢而不是实时，我精确定位了耗时的线路并且它是 SIFT descriptor extractor 我试图使用通常与之配合使用的其他提取器快速检测器，如BRIEF或ORB提取器，它们运行速度比SIFT快得多，反而它们返回效果不佳，匹配率显着降低，请你帮我理解如何使用这种组合 FAST detector/ BRIEF or ORB extractor/ BF or FLANN match 这里提到的函数::

void Objects::calKeypointDiscriptor(Mat inputFrame,Mat &ROI,Rect RegionArea,vector<KeyPoint> &fastKey, Mat &briefDescriptors,bool display)
{
    SurfFeatureDetector detectorSURF(300);
    SiftFeatureDetector detectorSIFT(400);
    FastFeatureDetector detectorFAST(30);
    OrbFeatureDetector  detectorORB (400);


    SurfDescriptorExtractor  extractorSURF;
    SiftDescriptorExtractor  extractorSIFT;
    OrbDescriptorExtractor   extractorORB;
    BriefDescriptorExtractor extractorBRIEF;
    FREAK                    extractorFREAK;

    Mat regionTemp;
    Mat frame=inputFrame;
    regionTemp=frame(RegionArea);
    ROI=regionTemp.clone();
    detectorFAST.detect(regionTemp, fastKey);
    extractorSIFT.compute(regionTemp, fastKey, briefDescriptors);

}

void Objects::matchDiscriptorFlann(Mat ROI,int distance,Point2i center,vector<KeyPoint>keypo,Mat descriptors,vector<Objects> objectVector,bool &matched,int vctorEnd,int &index)
{

    BFMatcher matcherBF(NORM_L2);
    FlannBasedMatcher matcherFLANN;
    Mat img_matches;


    for(int i=0; i<=vctorEnd; i++)
    {
        if (distance>0)
        {
            bool chk= euclideanDistance(objectVector[i]. center_obj,center)<distance;

        }
        else
        {
            bool chk=true;
        }


        vector< DMatch > good_matches;
        vector<DMatch> matches;


        if (descriptors.rows*descriptors.cols!=0&&objectVector[i].discriptor_obj.rows*objectVector[i].discriptor_obj.cols!=0)
        {
            matcherBF.match(descriptors,objectVector[i].discriptor_obj,matches);
            double max_dist = 0;
            double min_dist = 100;

            for( int i = 0; i < descriptors.rows; i++ )
            {
                double dist = matches[i].distance;
                if( dist < min_dist ) min_dist = dist;
                if( dist > max_dist ) max_dist = dist;
            }

            for( int i = 0; i < descriptors.rows; i++ )
            {
                if( matches[i].distance <=2*min_dist )
                {
                    good_matches.push_back( matches[i]);
                }
            }

            if(good_matches.size()>2)
            {

                matched=true;
                index=i;
            }
        }
    }
}