TLD取经之路（2）-- 初窥门径：运行DEMO

最新推荐文章于 2025-08-21 20:45:55 发布
原创 最新推荐文章于 2025-08-21 20:45:55 发布 · 1.5k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#cv #CV #openCV #opencv #OpenCV #Opencv #openCv #OpenCv #OPENCV #TLD #tld

本文详细介绍了如何使用Matlab版源程序和C程序进行目标跟踪，通过配置和运行特定脚本完成编译与执行。提供了包含100帧的越野摩托车跟踪图作为DEMO输入，初始位置信息存于文本文件中。运行过程中，跟踪效果会随着学习过程逐步提升，帧率稳定在13-17帧。同时，文章指出在首次经过错误识别后，重复执行DEMO可显著改善跟踪精度。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

matlab版源程序：http://download.youkuaiyun.com/detail/cv_richie/4982673

C程序：http://download.youkuaiyun.com/detail/cv_richie/4982678

晚点我会把我注释的版本发上来。

  


把一切都配置好之后，运行Compile.m文件即可顺利完成编译，提示完成以后，直接运行run_Tld.m即可看到DEMO。


    作者给的DEMO的输入在_input文件夹下，是100帧的越野摩托车的跟踪图，初始位置的信息保存在_input中的文本文件中，里面就是初始框的四点位置信息。DEMO程序运行过程中可以看到其中有一帧还会有错误识别，当把_input中的图片全部复制一遍，让DEMO跑200帧时，在第二次经过那个错检的石头时就不会再出现错误，随着学习过程，跟踪效果逐步提升。DEMO的帧率维持在13-17帧左右
先写这些，下面继续看代码ing
TLD 源码详解（一）--- TLD的编译和运行
AI.PLAY
01-30 2072
opencv 的TLD源码下载是在 https://github.com/alantrrs/OpenTLD 编译方法在源码的readme文件中都有介绍，但仍然会出现一些问题 具体编译方法如下： git clonegit@github.com:alantrrs/OpenTLD.git cdOpenTLD mkdirbuild cd build cmake../src/ make ...
TLD-Demo（测试应用）
11-08
应用opencv框架中的TLD模块实现单目标跟踪demo，包含测试demo、相关文档和测试文件
tld自定义标签demo
07-22
tld自定义标签demo 学习小练习
TLD取经之路（3）-- 始于足下--tldDemo.m tldInit.m
cv_richie的专栏
01-13 2552
matlab版源程序：http://download.youkuaiyun.com/detail/cv_richie/4982673 C程序：http://download.youkuaiyun.com/detail/cv_richie/4982678 晚点我会把我注释的版本发上来。 程序运行从run_TLD.m或者run_TLD_demo.m开始，后者的功能更全，可以实现源代码作者主页上那些视频里
TLD（Tracking-Learning-Detection）学习与源码理解之（三）
热门推荐
zouxy09的专栏
08-21 5万+
TLD（Tracking-Learning-Detection）学习与源码理解之（三） zouxy09@qq.com 下面是自己在看论文和这些大牛的分析过程中，对代码进行了一些理解，但是由于自己接触图像处理和机器视觉没多久，另外由于自己编程能力比较弱，所以分析过程可能会有不少的错误，希望各位不吝指正。而且，因为编程很多地方不懂，所以注释得非常乱，还海涵。   从main()函数切入，分析整
tld自定义标签之基础入门篇
alan_liuyue的博客
05-03 1万+
一、tld说明     tld，是taglib description 的缩写，其自定义标签一般用于jsp页面，tld其作用一般是在web项目中结 jstl、c标签等用于有效性判断、权限判断等方面，对前端的一些页面标签起到约束、限制的作用。     很多人只知道有这类型的标签，但不知道它有什么作用以及怎么去使用，所以，学会使用tld自定义标签对 项目会有很大的帮助，下面我会以一个自写的超级
TLD调试
翼辉的专栏
10-13 1982
TLD即Tracking Learning Detector，它由英国萨里大学的一个捷克学生Zdenek Kalal提出的一个目标跟踪的算法。TLD跟踪系统最大的特点就在于能对锁定的目标进行不断的学习，以获取目标最新的外观特征，从而及时完善跟踪，以达到最佳的状态。也就是说，开始时只提供一帧静止的目标图像，但随着目标的不断运动，系统能持续不断地进行探测，获知目标在角度、距离、景深等方面的改变，并
有关林达华的几个地址
cv_richie的专栏
01-13 4184
http://people.csail.mit.edu/dhlin/index.html   http://dahuasky.wordpress.com/   不过上面这个博客好像不怎么更新了，lin之前的博文已经非常有价值了，膜拜了一下
视频库--慢慢收集吧
cv_richie的专栏
01-27 2619
开个文章，以后收集到的视频库都贴到这方便自己找！ ---------------------------------1.PETS视频库-------------------------------------------- http://www.cvg.cs.rdg.ac.uk/datasets/index.html -------------------
TLD取经之路（4）-- 始于足下--tldInit.m中涉及到的相关函数
cv_richie的专栏
01-14 2152
matlab版源程序：http://download.youkuaiyun.com/detail/cv_richie/4982673 C程序：http://download.youkuaiyun.com/detail/cv_richie/4982678 晚点我会把我注释的版本发上来。 1.1初始化部分 1.1.1 tldGenerateFeatures.m  %初始化FERN中的pixel comparison特
ferns代码-VS下调试
cv_richie的专栏
04-07 1883
ferns可以进行目标识别与分类，是一种基于纹理特征的快速算法。和SIFT相比计算简单，实现容易，在原作者文章中的实验结果显示比SIFT的效果更好。 文章：[1] M. Ozuysal, M. Calonder, V. Lepetit and P. Fua, "Fast Keypoint Recognition Using Random Ferns," IEEE TRANSACTIONS
TLD取经之路（1）--VS2008,MATLB2010B与OPENCV2.2
cv_richie的专栏
01-13 1663
matlab版源程序：http://download.youkuaiyun.com/detail/cv_richie/4982673 C程序：http://download.youkuaiyun.com/detail/cv_richie/4982678 晚点我会把我注释的版本发上来。 看了Zdenek的Tracking-Learning-Detection.决定从程序入手，学习这个算法。 算法
TLD取经之路（5）-- 此处省略XX字
cv_richie的专栏
01-22 1480
我注释的版本也发上来，不过里面可能有我的理解错误，各位谨慎参考吧http://download.youkuaiyun.com/detail/cv_richie/5018164         前面这些都看懂了，TLD都后面真正跑起来的程序也都不难理解了，因此我就不贴代码上来了。     总结一下自己粗浅的感受，希望大神们来批评指正。     回味一下看过的代码和文章，TLD算法的思想打个不恰当的
OpenCV2.4.3安装与VisualStudio2010下配置
cv_richie的专栏
01-13 668
1.下载OPENCV2.4.3：http://sourceforge.net/projects/opencvlibrary/files/opencv-win/2.4.3/ 2.解压缩 3.添加环境变量  PATH中添加：D:\software\opencv243\build\x86\vc10\bin;   D:\software\opencv243为你解压缩的目录
Halcon那些事:Halcon非常核心的1个概念reduce_domain算子的理解和1个详细的使用示例
十多年IT经验,专注机器视觉,智能制造半导体行业
08-21 57
Reduce是减少的意思。并不是真的去裁剪图像，而是定义一个“感兴趣的区域（Region of Interest, ROI）”。后续的图像处理算子将只在这个定义的区域内有效，区域外的像素将被忽略。在一张白纸（完整图像）上放一张镂空的纸板（Domain）。我们后续的绘画（图像处理操作）只会透过镂空的部分影响到下面的白纸。镂空纸板之外的部分保持不变，也不会被处理。关键步骤：使用ReduceDomain，将图像的域限制为ROI区域,图像在原来图像基础上存在图像区域。
opencv学习：图像边缘检测
最新发布
2302_76756558的博客
08-21 1163
图像边缘是像素灰度值发生剧烈变化的区域，包含了物体形状的关键信息。边缘检测作为计算机视觉的基础任务，在目标识别、图像分割、场景理解等领域都有着广泛应用。本文将系统讲解边缘检测的基本原理，深入剖析 OpenCV 中常用的边缘检测算子，并通过实战案例展示其应用方法。
python numpy.random的基础教程（附opencv 图片转数组、数组转图片）
2302_76790436的博客
08-20 1471
文章介绍了：1) randint()生成整数随机数组；2) uniform()生成浮点数随机数组；3) rand()和randn()分别生成均匀分布和正态分布随机数；4) shuffle()打乱数组顺序；5) choice()实现概率抽样。特别展示了图像处理应用：通过将图片转换为NumPy数组进行通道分离/重组，以及利用随机数组生成"雪花图"。最后通过一个原神抽卡模拟器演示了choice()的动态概率控制功能，完整呈现了NumPy在随机数生成和数据处理方面的强大能力。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值