首页 / 算法 / [转]TLD目标跟踪算法
[转]TLD目标跟踪算法
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了[转]TLD目标跟踪算法,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1821字,纯文字阅读大概需要3分钟。
内容图文
1. 简介
TLD目标跟踪算法是Tracking-Learning-Detection算法的简称。这个视频跟踪算法框架由英国萨里大学的一个捷克籍博士生Zdenek Kalal提出。TLD将传统的视频跟踪算法的跟踪模块(Tracker)与检测模块(Detector)结合起来,同时加入了学习(Learning)的过程,使得跟踪的效果更佳稳定、可靠。目前算法作者Zdenek Kalal已经拿着这个算法开了公司,最新的版本已经更新到TLD 2.1。在github上作者给出了TLD源码的1.0版本。作者的开源代码是基于matlab的,也有人给出了c++实现,但是运行速度非常慢。
什么是跟踪模块(Tracker)与检测模块(Detector)呢?说白了,Tracker就是根据目标物体在视频流前面的帧中的位置,来预测其在当前帧中的位置;Detector就是在当前帧中根据目标物体的先验信息(形状色彩/灰度、各种特征等),来检测目标物体在当前帧中的位置。作者在2011年发表的文章中Tracker使用的是median flow tracker,detector则是一个级联分类器。对于当前帧i,通过Integrator将tracker与detector的输出结果进行判断整合,最终输出一个目标物体的位置,或者目标物体在i中不存在。TLD算法的突破在于其Learning模块,在不断预测的过程中不断更新正、负样本库,用于后续帧中目标物体的位置检测。
Zdenek Kalal自己录制了TLD算法的演示视频,效果很赞。在成功编译TLD源码并在一些视频跟踪的数据库中运行后发现TLD的跟踪效果确实很不错,并实现了实时跟踪。
2. 源码编译
编译环境: win7 64 bit, matlab2014b, visual studio 2012 64bit compiler, opencv2.4.11
编译过程参考作者源码的wiki。
若遇到问题有可能是下面几种情况:
a. opencv环境变量的设置问题
--solution:系统环境变量PATH中添加 C:\opencv2.4.11\opencv\build\x64\vc12\bin (设置为自己opencv的安装路径,注销计算机使得环境变量生效)
b. compile.m中libpath与include的配置问题
--solution:配置参考下面的图片(注意libpath与include最后一定要添加反斜杠!)
c. 提示没有FSPECIAL函数
--solution:更改为fspecial
3. TLD算法流程图:
---------------------
作者:universe
来源:CNBLOGS
原文:https://www.cnblogs.com/universe42/p/4498061.html
版权声明:本文为作者原创文章,转载请附上博文链接!
内容总结
以上是互联网集市为您收集整理的[转]TLD目标跟踪算法全部内容,希望文章能够帮你解决[转]TLD目标跟踪算法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。