无耻地跳上了潮流:-)
受我如何通过Mathematica查找Waldo以及后续如何使用R查找Waldo的启发，作为一个新的python用户，我很想知道如何做到这一点。似乎python比R更适合于此，并且我们不必像Mathematica或Matlab那样担心许可证。
在下面的示例中，显然仅使用条纹将不起作用。如果可以使基于简单规则的方法适用于诸如此类的困难示例，那将很有趣。
我添加了[machine-learning]标签，因为我认为正确的答案必须使用ML技术，例如Gregory Klopper在原始线程中倡导的Restricted Boltzmann Machine（RBM）方法。有一些在python中RBM代码可能是一个不错的起点，但是显然该方法需要训练数据。
在2009 IEEE信号处理机器学习国际研讨会上（MLSP 2009），他们举办了数据分析竞赛：Wally在哪里？。训练数据以matlab格式提供。请注意，该网站上的链接已失效，但数据（以及Sean McLoone和同事采用的方法的来源都可以在此处找到（请参阅SCM链接）。似乎是一个起点。
Answers:
这是mahotas的实现
from pylab import imshow
import numpy as np
import mahotas
wally = mahotas.imread('DepartmentStore.jpg')
wfloat = wally.astype(float)
r,g,b = wfloat.transpose((2,0,1))
分为红色，绿色和蓝色通道。最好在下面使用浮点算法，因此我们在顶部进行转换。
w = wfloat.mean(2)
w 是白色通道。
pattern = np.ones((24,16), float)
for i in xrange(2):
pattern[i::4] = -1
在垂直轴上建立+ 1，+ 1，-1，-1模式。这是沃利的衬衫。
v = mahotas.convolve(r-w, pattern)
与红色减去白色卷积。这将在衬衫所在的位置产生强烈的响应。
mask = (v == v.max())
mask = mahotas.dilate(mask, np.ones((48,24)))
寻找最大值并将其扩大以使其可见。现在，我们调低整个图像，但不包括区域或兴趣点：
wally -= .8*wally * ~mask[:,:,None]
imshow(wally)
我们得到了
！
也许您应该先将问题分解为两个较小的问题：
这些仍然是要解决的两个非常大的问题...
顺便说一句，我会选择c ++并打开CV，这似乎更适合于此。
这不是不可能，但非常困难，因为您确实没有成功比赛的例子。通常存在多种状态（在这种情况下，这是查找walleys图纸的更多示例），然后您可以将多张图片输入到图像协调程序中，并将其视为隐藏的马尔可夫模型，并使用类似viterbi的算法进行推断（http：/ /en.wikipedia.org/wiki/Viterbi_algorithm）。
那就是我处理它的方式，但是假设您有多个图像，则可以为它提供正确答案的示例，以便它可以学习。如果您只有一张照片，那么很抱歉，您可能需要采取另一种方法。
我认识到，几乎总是可以看到两个主要功能：
因此，我将通过以下方式进行操作：
搜索条纹衬衫：
如果有不止一件“衬衫”，也就是说，不止一类正相关，则搜索其他特征，例如深棕色头发：
寻找棕色的头发