OpenCV-Python实战（26）——复杂场景下的实时物体检测与跟踪0. 前言1. 本节目标2. 规划应用程序3. 搭建应用程序3.1 运行应用程序——main() 函数例程3.2 显示结果4. 处理流程5. 特征提取5.1 特征检测5.2 使用SURF检测图像中的特征5.3 使用 SURF 获取特征描述符6. 特征匹配6.1 使用 FLANN 跨图像匹配特征6.2 剔除异常值6.3 可视化特征匹配6.4 单应性估计映射6.5 图像变换7. 特征跟踪7.1 早期异常值检测与剔除8. 运行效果小结系列链接0. 前言我们已经学习了如何在高度受控的环境中检测并跟踪一个简单物体(手的轮廓)。更具体地说，我们指导应用的用户将手放在屏幕中央区域，然后对物体(手)的大小和形状做出了假设。在本节中，我们希望检测并跟踪任意大小的物体，这些物体可能从多个不同角度或部分遮挡的情况下被观察。为此，我们将利用特征描述符，这是一种捕获感兴趣物体重要属性的方法。我们这样做是为了即使物体嵌入在复杂的视觉场景中，也能定位到它。我们将把算法应用于网络摄像头的实时视频流，并尽力保持算法的鲁棒性，同时使其足够简单以实时运行。1. 本节目标本节的目的是开发一个应用程序，能够在网络摄像头的视频流中检测并跟踪感兴趣的物体——即使该物体从不同角度、距离或部分遮挡的情况下被观察。这样的物体可以是一本书的封面图像、一幅画，或者任何具有复杂表面结构的东西。一旦提供了模板图像，该应用将能够检测到该物体，估计其边界，然后在视频流中对其进行跟踪。在正式开始之前，需要说明的是，在安装OpenCV时需设置OPENCV_ENABLE_NONFREE和OPENCV_EXTRA_MODULES_PATH变量，以便安装加速鲁棒特征 (Speeded-Up Robust Features,SURF) 和快速最近邻逼近搜索库 (Fast Library for Appro
