我试图通过SIFT或SURF转储汽车的关键点，并将这些关键点与视频相匹配，以便检测汽车 . 关键点使用起来比使用Haar Cascades更方便，因为我必须使用大量图像，例如5000来训练，这将需要大量的计算过程 . 来自SURF或SIFT的关键点是尺度不变的，这在每辆车中几乎是相同的 .
将关键点转储到txt文件的代码是：
import cv2
import numpy as np
import os
import cPickle
surf = cv2.xfeatures2d.SURF_create()
descriptors = []
image = cv2.imread('1.jpg')
kp, dsc = surf.detectAndCompute(image, None)
img = cv2.drawKeypoints(image, kp, image)
descriptors.append(dsc)
des = np.array(descriptors)
k = 5
bow = cv2.BOWKMeansTrainer(k)
cluster = bow.cluster(des)
add = bow.add(dsc)
f = open("descriptors.pkl", "w")
f.write(cPickle.dumps(des))
f.close()
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
之后我不知道如何匹配我用我的视频生成的txt文件中的这些关键点，有许多特征匹配算法作为强力和KNN匹配器，还有分类器作为SVM分类器，将在我阅读时使用在许多论文中
我尝试使用此图像
来提取其关键点
，并且在txt文件中提取的关键点位于此[GitHub] [3]链接中，其中包含我需要检测汽车的代码和视频 .
任何想法如何匹配这辆车的关键点与视频中的汽车（'traffic.avi'） .
我想用Bag of Visual Words Method检测汽车，试图这样做，但不知道如何编码
注意：我使用的是OpenCV 3.1和Python 2.7.x.