(點(diǎn)擊上方快速關(guān)注并設(shè)置為星標(biāo)，一起學(xué)Python)

一天，我正在學(xué)校樓下擼貓，同學(xué)發(fā)來(lái)消息，他的老師給了他一個(gè)研究課題，大致的方向是對(duì)圖片或者視頻里面的內(nèi)容進(jìn)行識(shí)別，然后判斷意圖，而且舉了個(gè)例子，兩方交鋒，現(xiàn)在根據(jù)無(wú)人機(jī)拍攝或者衛(wèi)星圖像，針對(duì)對(duì)方坦克集團(tuán)的陣型來(lái)分析對(duì)方坦克的作戰(zhàn)意圖。但他對(duì)課題實(shí)現(xiàn)一臉懵逼，所以過來(lái)求救，我一聽，真的好高大上啊！為發(fā)揚(yáng)同學(xué)間團(tuán)結(jié)有愛、互幫互助的精神，我就幫忙研究研究吧(每天一瓶飲料，做錯(cuò)了別怪我。。。。)

這樣講文章思路不清晰，我先畫個(gè)流程圖來(lái)描述一下我的工作，避免大家繞來(lái)繞去的看的發(fā)懵：

初步目標(biāo)識(shí)別

同學(xué)說(shuō)老師要他先實(shí)現(xiàn)這個(gè)目標(biāo)識(shí)別，我腦子里第一時(shí)間想到了Python3里面處理圖片的超強(qiáng)第三方庫(kù)OpenCV，里面的模板匹配有好多算法可以用呢，比如平方差匹配、相關(guān)性匹配、相關(guān)性系數(shù)匹配還有匹配效果最好的標(biāo)準(zhǔn)相關(guān)匹配等等，然后模型的話最近正好在研究Unity寫游戲，那就拿里面的坦克模型來(lái)測(cè)試，先來(lái)張截圖測(cè)試下，一言不合上代碼：

tpl =cv.imread(r"D://PythonPicTemplate/pythinPIC/tankTemplate2.jpg")
target = cv.imread("D://PythonPicTemplate/pythinPIC/tanks2.jpg")
cv.namedWindow('template image', cv.WINDOW_NORMAL)
cv.imshow("template image", tpl)
cv.namedWindow('target image', cv.WINDOW_NORMAL)
cv.imshow("target image", target)
#methods = [cv.TM_CCOEFF, cv.TM_CCOEFF_NORMED, cv.TM_CCORR,cv.TM_CCORR_NORMED, cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]
methods =[cv.TM_CCORR_NORMED ,cv.TM_CCORR_NORMED,cv.TM_CCORR_NORMED,cv.TM_CCORR_NORMED, cv.TM_CCORR_NORMED]
'''''''
差值平方和匹配 CV_TM_SQDIFF
標(biāo)準(zhǔn)化差值平方和匹配 CV_TM_SQDIFF_NORMED
相關(guān)匹配 CV_TM_CCORR
標(biāo)準(zhǔn)相關(guān)匹配 CV_TM_CCORR_NORMED
相關(guān)匹配 CV_TM_CCOEFF
標(biāo)準(zhǔn)相關(guān)匹配 CV_TM_CCOEFF_NORMED
'''th, tw = tpl.shape[:2]
i =0
tl = []
br = []
for md in methods:
#print(md)
result = cv.matchTemplate(target, tpl, md)
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
if md == cv.TM_SQDIFF_NORMED:
tl.append(min_loc)
else:
tl.append(max_loc)
br.append((tl[i][0]+tw, tl[i][1]+th))
cv.rectangle(target, tl[i], br[i], (0, 0, 255), 2)
i += 1
cv.namedWindow("match-" + np.str(md), cv.WINDOW_NORMAL)
cv.imshow("match-" + np.str(md), target)

模板匹配的大致原理

模板匹配實(shí)現(xiàn)的思想也是很簡(jiǎn)單很暴力的，就是拿著模板圖片在原圖中從左上至右下依次滑動(dòng)，直到遇到某個(gè)區(qū)域的相似度低于我們?cè)O(shè)定的閾值，那么我們就認(rèn)為該區(qū)域與模板匹配了，并把它標(biāo)記出來(lái)。但實(shí)驗(yàn)證明，模板配在原圖摳出模板圖的形式下準(zhǔn)確率才比較高，不然的話可能準(zhǔn)確度就不太高了。

綜上所述，模板匹配的優(yōu)點(diǎn)在于在模板的基礎(chǔ)上能匹配的方便快速，但缺點(diǎn)實(shí)在是太多了，例如，

1.模板的大小會(huì)影響匹配的精度；

2.干擾現(xiàn)象嚴(yán)重，坦克藏在樹林里很影響識(shí)別效果；

3.在實(shí)際運(yùn)用中，模板的方向都必須要固定才能匹配成功；

4.以上都還好說(shuō)，最重要的是我都知道模板了，那我還寫代碼在圖片里識(shí)別個(gè)毛啊，對(duì)于這個(gè)課題直接圈出來(lái)不就行了。

所以我還是太天真了，模板匹配的優(yōu)點(diǎn)要用，但目標(biāo)識(shí)別的方法必須要改進(jìn)一下，不然看著都傻，同學(xué)老師估計(jì)也會(huì)爆發(fā)。下一節(jié)我們繼續(xù)研究具體的改進(jìn)方法。

代碼已上傳至GitHub，歡迎star，歡迎討論：

GitHub：https://github.com/wangwei39120157028/Machine_Learning_research_on_simple_target_recognition_and_intention_analysis

(完)

看完本文有收獲？請(qǐng)轉(zhuǎn)發(fā)分享給更多人

關(guān)注「Python那些事」，做全棧開發(fā)工程師

點(diǎn)「在看」的人都變好看了哦

總結(jié)

以上是生活随笔為你收集整理的差值平方和匹配_机器学习实战 | 简单目标识别与意图分析之模板匹配的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。