物体识别
此时的主流方法是只从图像本身考虑，而不去管物体原来的三维形状。这类方法统一叫做appearance based techniques。所谓appearance， 从模式识别的角度去描述的话，就是图像特征（feature），即对图像的一种抽象描述。有了图像特征，就可以在这个特征空间内做匹配，或者分类。然 而这个方法还是存在很多问题，首先它需要我们对所有的图片进行对齐，像人脸图像，就要求每一幅图中五官基本在固定的位置。但是很多应用场景下，目标并不是 像人脸那么规整，很难去做统一对齐，而且这种基于全局特征和简单欧式距离的检索方法，对复杂背景，遮挡，和几何变化等并不适用。
物体识别的步骤
图片的预处理
预处理几乎是所有计算机视觉算法的一步，其动机是尽可能在不改变图像 承载的本质信息的前提下，使得每张图像的表观特性（如颜色分布，整体明暗， 尺寸大小等）尽可能的一致，主要完成模式的采集、模数转换、滤波、消除模糊、减少噪声、纠正几何失真等操作。
预处理经常与具体的采样设备和所处理的问题有关。例如，从图象中将汽车车牌的号码识别出来，就需要先将车牌从图像中找出来，再对车牌进行划分，将每个数字分别划分开。做到这一步以后，才能对每个数字进行识别。以上工作都应该在预处理阶段完成。在物体识别中所用到的典型的预处理方法不外乎直方图均衡及滤波几种。像高斯模糊可以使之后的梯度计算更为准确；而直方图均衡可以克服一定程度的光照影响。值得注意的是，有些特征本身已经带有预处理的属性，因此不需要再进行预处理操作。
物体识别行业应用
电商行业
随着电子商务的蓬勃发展，基于物体图像识别技术的以图搜图正发挥重大作用，以移动端为例，其中适合图像搜索的图片为20 %，假设 0.5%人次成功转移，1% 平均购买转化率，平均购物单价为20 0元，如，按平均10%的佣金计算，那么一年产业规模也超过220亿元。加上其他收入，比如：广告、手机搜索等，总体市场规模不低于600亿元。随着移动电子商务日益兴起，图形图像搜索已能为客户带来全新的用户体验。在购物领域，非常典型的就是服装服饰等非标类产品，占到整个电子商务的55%市场份额。
