目标检测中的特征点分析

好的特征应该具有以下几个特点：

重复性：不同图像相同的区域应该能被重复检测到，最好具备旋转、模糊、光照等不变性；

可区分性：不同的检测子，可以被区分，建立检测对应的描述子；

数量适宜：检测子数量太多导致匹配不到，检测子数量少容易造成误检；

高定位：定位一般对应尺度和位置；

有效性：检测速度越快越好。

主要的特征：

参考图像处理之角点检测算法(Harris Corner Detection）

此文章有详细的Harris角点检测的原理和程序，思路很清晰；

局部特征(2)——Harris角点

此文章解释了为什么harris的原理，对矩阵的意义做了介绍，文章中有与SURF、Sift的比较

两篇文章

Harris Corner是最典型的角点检测子Corner Detector。角点经常被检测在边缘的交界处、被遮挡的边缘、纹理性很强的部分。满足这些条件一般都是稳定的、重复性比较高的点，所以实际上他们是不是角点并不重要（因为我们的目标就是找一些稳定、重复性高的点以作为特征点）。

Harris角点具有的优点是平移不变、旋转不变，能克服一定光照变化。