app第三阶段冲刺第三天

作者：@kuaiquxie
作者的github：https://github.com/bitebita
本文为作者原创，如需转载，请注明出处：https://www.cnblogs.com/dzwj/p/16307445.html

今天查了查资料，这个图像识别涉及到AI以及大数据，进行图像识别就需要一个庞大的数据库，然后将他们分成两个集合，数据的大部分分成一个训练集，就是从这个大的集合查找，让他自己进行学习，如果下次拍的照片和已经学习过的类似，那么，这个图像识别就会识别出来内容，将拍照的内容将学习的内容，作对比，匹配率在百分之八十以上就将该图片显示的信息，以及该图片显示出来，这个功能的实现还需要调用手机的拍照权限，还有相机存储权限。

经过查找资料，现在我们知道一个图像识别系统主要由三个部分组成，他们分别是：图像分割、图像特征提取以及分类器的识别分类。

关于图像识别的技术呢，通过查找资料主要有以下：

1.OpenCV
基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。
轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法

2.TensorFlow
TensorFlow是一个深度学习框架，支持Linux平台，Windows平台，Mac平台，甚至手机移动设备等各种平台。
TensorFlow提供了非常丰富的深度学习相关的API，可以说目前所有深度学习框架里，提供的API最全的，包括基本的向量矩阵计算、各种优化算法、各种卷积神经网络和循环神经网络基本单元的实现、以及可视化的辅助工具、等等。

3.YOLO
YOLO (You Only Look Once)是一种快速和准确的实时对象检测算法。
YOLOv3 在 TensorFlow 中实现的完整数据管道。它可用在数据集上来训练和评估自己的目标检测模型。

感觉自己能力有限，我们在这里就用OpenCV来实现指定图像识别

具体思路分析：

　　1.打开应用的同时开启摄像头权限，以及存储权限

　　2.对实时摄像头拍摄的图像封装成MAT对象进行逐帧比对

　　3.获取目标特征并针对各特征集获取描述符

　　4.匹配两个描述符集合

　　5.获取参考图像和空间匹配图像

　　6.当图像矩阵符合要求时，绘制跟踪图像的轮廓线

这样图像识别基本完成

明天开始写图像识别代码