关键点是什么？图像中可用来识别和匹配的特征点

关键点（Keypoint）是计算机视觉中一个非常常见的概念，指图像或视频中那些独特、显著的点，可以用来识别、描述或匹配场景中的物体和特征。关键点会根据它的稳定性、独特性和可重复性来选择，通常被用作物体检测、图像匹配、跟踪等任务的基础。

什么样的点适合做关键点

想象一下在两张从不同角度拍摄的同一栋建筑的照片中，找出对应的位置。一面平整的白墙上的某个点很难找：它周围到处都长得一样。但一个窗户的角、一块独特的花纹、一个尖顶，就很容易在两张照片中都被认出来。好的关键点通常具备几个特点：独特，和周围的区域有明显的区别，比如角点、交叉点、斑点；可重复，在不同的拍摄条件下，比如不同的角度、距离、光照，都能被稳定地检测到；准确，位置可以被精确地定位。

两类关键点

一类是通用的图像特征点，由算法根据图像本身的局部结构自动找出。经典的方法有：Harris 角点检测；SIFT（尺度不变特征变换），由 David Lowe 在 1999 年提出、2004 年完善，它检测出的关键点对图像的缩放、旋转和一定程度的光照变化都保持稳定，并为每个关键点计算一个“描述子”，也就是一组描述其周围区域特征的数字，用来在不同图像之间匹配；还有速度更快的 SURF、ORB 等。近年来也有基于深度学习的方法，比如 SuperPoint。

另一类是语义关键点，是具有明确含义的特定位置，比如人体的头、肩、肘、腕、膝、踝等关节点，人脸上的眼角、鼻尖、嘴角，或者物体上的特定部位。这类关键点通常由深度学习模型直接预测。

用在哪里

图像拼接：把多张照片拼成一张全景图，靠的就是在相邻照片中找到匹配的关键点。三维重建和视觉定位：从多张照片中匹配关键点，计算出相机的位置和场景的三维结构，用于建图、增强现实和机器人导航。物体识别和跟踪：在视频中追踪物体的运动。人体姿态估计：检测人体的关键点，用于动作识别、健身指导、动画制作。人脸识别和美颜：定位人脸的关键点，进行对齐、识别和特效处理。