网上找到的SIFT特征提取代码，怎么使用

哈哈，我有一个基于opencv实现的sift，我把代码贴出来，你自己看看吧~~~

void sift_detector_and_descriptors(IplImage* i_left,IplImage* i_right)

{

Mat mat_image_left=Mat(i_left,false)

Mat mat_image_right=Mat(i_right,false)

cv::SiftFeatureDetector *pDetector=new cv::SiftFeatureDetector

pDetector->detect(mat_image_left,left_key_point)

pDetector->detect(mat_image_right,right_key_point)

Mat left_image_descriptors,right_image_descriptors

cv::SiftDescriptorExtractor *descriptor_extractor=new cv::SiftDescriptorExtractor

descriptor_extractor->compute(mat_image_left,left_key_point,left_image_descriptors)

descriptor_extractor->compute(mat_image_right,right_key_point,right_image_descriptors)

Mat result_l,result_r

drawKeypoints(mat_image_left,left_key_point,result_l,Scalar::all(-1),0)

drawKeypoints(mat_image_right,right_key_point,result_r,Scalar::all(-1),0)

//imshow("result_of_left_detector_sift",result_l)

//imshow("result_of_right_detector_sift",result_r)

Mat result_of_sift_match

BruteForceMatcher<L2<float>>matcher

matcher.match(left_image_descriptors,right_image_descriptors,result_of_point_match)

drawMatches(mat_image_left,left_key_point,mat_image_right,right_key_point,result_of_sift_match,result_of_sift_match)

imshow("matches_of_sift",result_of_sift_match)

imwrite("matches_of_sift.jpg",result_of_sift_match)

}

void main()

{

IplImage *n_left_image=cvLoadImage("D:\\lena.jpg")

IplImage *n_right_image=cvLoadImage("D:\\lena_r.jpg")

sift_detector_and_descriptors(n_left_image,n_right_image)

cvWaitKey(0)

}

这就是核心代码了，至于opencv所要用到的库，你自己弄一下吧，每个人的opencv版本不一样，这个都市不同的，希望能够帮到你~

hog描述子在opencv中为HOGDescriptor。

2. 可以调用该描述子setSVMDetector方法给用于对hog特征进行分类的svm模型的系数赋值，这里的参数为HOGDescriptor::getDefaultPeopleDetector()时表示采用系统默认的参数，因为这些参数是用很多图片训练而来的。

3. 对输入图片进行行人检测时由于图片的大小不一样，所以要用到多尺度检测。这里是用hog类的方法detectMultiScale。参数解释如下：

HOGDescriptor::detectMultiScale(const GpuMat img, vector<Rect>found_locations, doublehit_threshold=0, Size win_stride=Size(), Size padding=Size(), double scale0=1.05, int group_threshold=2)

该函数表示对输入的图片img进行多尺度行人检测 img为输入待检测的图片；found_locations为检测到目标区域列表；参数3为程序内部计算为行人目标的阈值，也就是检测到的特征到SVM分类超平面的距离参数4为滑动窗口每次移动的距离。它必须是块移动的整数倍；参数5为图像扩充的大小；参数6为比例系数，即滑动窗口每次增加的比例；参数7为组阈值，即校正系数，当一个目标被多个窗口检测出来时，该参数此时就起了调节作用，为0时表示不起调节作用。

4.  最后对检测出来的目标矩形框，要采用一些方法处理，比如说2个目标框嵌套着，则选择最外面的那个框。

5.  因为hog检测出的矩形框比实际人体框要稍微大些,所以需要对这些矩形框大小尺寸做一些调整。

---