请教下领导提出图像识别的这种思路是否可行？

首先感谢各位大佬的建议，然后因为个人这块知识比较薄弱，所以你们说的一些名词我还得看看资料不能及时一一回复实在抱歉。

总结了下大家的发言，方法大概几种，1是特征匹配，2是目标跟踪。 就先说说今天一天测试下来的结果吧。 首先看了下opencv的模板匹配和特征匹配的内容，觉得模板匹配肯定是不行的。然后去试了下特征匹配，看概念觉得这个大概比较靠谱（可能这也是领导所说的那种意思），58l的老哥说的features2d应该也是属于这种意思吧 @qieqie 然后看了特征匹配的几种算法， 1是BFMatcher，试了效果很不好。 2是sift，用的 https://blog.csdn.net/zhuisui_woxin/article/details/84400439 这位仁兄的代码如下（注：如48l老哥说的那样是老版本的opencv才有）

不知道下面老哥说的features2d是不是也属于这种。这种测试过的结果的话，效果也不是很好，看成功的例子都是缩放，翻转类的。（具体是真的可以还是不行，等我再测测）。

接下来，就是2l老哥和下面一些老哥提到的目标跟踪算法和滤波这块，好像是属于同一种，因为我看deepsoft算法里也提到什么卡尔曼滤波和IOU那些玩意（如果说错了麻烦指正）。至于有些老哥说到的reid的问题，看了下deepsoft也能解决，不过一天时间有限，还是下班明天刚鬼再战了。

还有一些老哥说的船号这些，想了下大概不是很行，因为如果真能获取到这些，那我都可以直接跟我公司的那套gis信息系统直接进行船只匹配了，可惜就是目前的图片并没有什么深度信息，还不能做到匹配。

再次感谢各位老哥的热情回复。

上面的字数超了，代码贴不了，补上

import numpy as np import cv2 from matplotlib import pyplot as plt MIN_MATCH_COUNT = 10 #设置最低特征点匹配数量为10 template = cv2.imread('template_adjust.jpg',0) target = cv2.imread('target.jpg',0) sift = cv2.xfeatures2d.SIFT_create() kp1, des1 = sift.detectAndCompute(template,None) kp2, des2 = sift.detectAndCompute(target,None) FLANN_INDEX_KDTREE = 0 index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5) search_params = dict(checks = 50) flann = cv2.FlannBasedMatcher(index_params, search_params) matches = flann.knnMatch(des1,des2,k=2) good = [] for m,n in matches: if m.distance < 0.7*n.distance: good.append(m) if len(good)>MIN_MATCH_COUNT: src_pts = np.float32([ kp1[m.queryIdx].pt for m in good ]).reshape(-1,1,2) dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good ]).reshape(-1,1,2) M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) matchesMask = mask.ravel().tolist() h,w = template.shape pts = np.float32([ [0,0],[0,h-1],[w-1,h-1],[w-1,0] ]).reshape(-1,1,2) dst = cv2.perspectiveTransform(pts,M) cv2.polylines(target,[np.int32(dst)],True,0,2, cv2.LINE_AA) else: print( "Not enough matches are found - %d/%d" % (len(good),MIN_MATCH_COUNT)) matchesMask = None draw_params = dict(matchColor=(0,255,0), singlePointColor=None, matchesMask=matchesMask, flags=2) result = cv2.drawMatches(template,kp1,target,kp2,good,None,**draw_params) plt.imshow(result, 'gray') plt.show()