识别图像中汽车模型的良好功能/算法

我有一个关于物体识别的问题，尤其是识别汽车模型！我正开始着手在不同图像中识别相同汽车模型的工作。目前，我认为3D对象识别的最佳算法之一是SIFT，但在演示实现中反复试验后，我感到奇怪的是，该算法在有光泽的金属物体（例如汽车）上存在一些问题，尤其是当它们具有不同的颜色时。

有谁知道这个领域的一些工作，总的来说是一些合适的算法，可以在不同的图像中找到相同的汽车模型？

在此先感谢您的帮助！

我将看看所谓的“单词袋”或“视觉单词”方法。它越来越多地用于图像分类和识别。该算法通常从检测图像中的鲁棒点（例如SIFT点）开始。使用这些找到的点周围的区域（在您的情况下为128位SIFT描述符）。

以最简单的形式，可以从所有图像的所有描述符中收集所有数据并将其聚类，例如使用k-means。然后，每个原始图像都具有有助于多个聚类的描述符。这些簇的质心，即视觉单词，可以用作图像的新描述符。基本上，您希望其描述符对图像进行聚类，以指示图像类别。

再次，在最简单的情况下，您有一个群集列表，并且对于每个图像，您要计算这些群集中的哪些包含该图像中的描述符以及有多少个描述符。这类似于文本检索中使用的术语频率/文档反向频率（TD / IFD）方法。请参阅此快速而肮脏的Matlab脚本。

人们正在积极研究这种方法，并且周围还有许多高级算法。

VLfeat网站包含此方法的一个更好的高级演示，对caltech 101数据集进行了分类。同样值得注意的是，来自加州理工学院的结果和软件。