Keypoint（关键点）是计算机视觉领域中一个非常常见的概念。 Keypoint 是指图像或视频中可用于识别、描述或匹配场景中的对象或特征的独特或显着点。关键点会根据其稳定性、独特性和可重复性来选择，并且通常用作对象检测、跟踪、识别和匹配等任务的基础。通常，这些点是由算法自动检测出来的，然后用于描述图像中的目标。
例如，人脸识别系统可能会检测到人脸的关键点，如眼睛、鼻子、嘴巴等，用于确定人脸的位置、姿态和表情。另一个例子是 SLAM（同时定位与地图构建）系统，它使用关键点来跟踪摄像头在三维空间中的位置和方向。
关键点在计算机视觉中用于物体检测、跟踪和图像对齐等任务。使用 SIFT 、 SURF 或 ORB 等算法检测关键点，这些算法可识别图像中稳定且可重复的特征。一旦检测到，就可以在图像之间匹配关键点以建立对应关系，从而实现图像配准或 3D 重建等任务。关键点还可以用作跟踪对象或估计姿势和运动的参考点。通过关注这些显着点，关键点提供了一种强大而有效的方法来从各种计算机视觉应用中的图像中提取和分析相关信息。
在计算机视觉中，关键点通常是由特征检测算法自动提取的。这些算法通常基于图像的灰度、颜色、边缘、纹理等特征来识别关键点。在图像处理和计算机视觉应用中，关键点是非常重要的，因为它们提供了关于图像中目标位置和姿态的有用信息，可以用于目标跟踪、图像配准、目标识别等任务。
关键点检测算法通常会分析不同尺度和方向的图像，以识别独特的特征。一种常见的方法是使用滤波器或运算符，例如高斯拉普拉斯算子 (LoG) 或高斯差分 (DoG)，来识别具有显着强度变化的区域。这些区域通常称为斑点、角点或边缘，是潜在的关键点。另一种方法涉及分析图像梯度，其中在具有高梯度幅度和方向变化的位置检测关键点。 Harris 角点检测器是基于局部强度变化和梯度信息识别关键点的方法的示例。这些算法旨在识别稳定且可重复的关键点，可用于跨图像的进一步分析和匹配。
关键点通过检测和描述图像中的独特特征来用于特征匹配。算法分析关键点周围的局部图像内容并生成捕获这些关键点的视觉特征的描述符。在特征匹配中，对图像之间的这些描述符进行比较以建立对应关系，从而实现图像配准、对象识别和运动跟踪等任务。匹配关键点及其描述符可以识别图像中的相应特征，为对齐或关联相似区域提供基础，并实现依赖于比较和对齐视觉信息的各种计算机视觉应用。
【1】https://encord.com/glossary/keypoints-definition/
【2】https://juejin.cn/s/keypoint%E6%98%AF%E4%BB%80%E4%B9%88%E6%84%8F%E6%80%9D