Tracking-Learning-Detection TLD解析一 - 前言

最新推荐文章于 2025-04-24 13:33:31 发布
原创 最新推荐文章于 2025-04-24 13:33:31 发布 · 8.5k 阅读 · 33 ·
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：

#TLD #detection #learning #tracking #论文

本文介绍了Zdenek Kalal在PAMI2012发表的TLD算法，该算法将跟踪与检测结合，实现实时跟踪。TLD通过Tracking-Modeling-Detection思想，解决目标失联和重入问题，提供开源实现并具有实时性。作者探讨了TLD的特点，包括实时性、仅需一帧初始化、解决跟踪漂移等，并提及其在实际应用中的表现。

       TLD是英国Surrey大学的Zdenek Kalal发表在PAMI2012年七月刊的一篇文章，主要贡献在于将跟踪与检测结合在一起，实现了工程上可应用的实时跟踪程序。而本篇文章其实是对ZK 在 2009年的paper:Online learning of robust object detectors during unstable tracking的扩展和改善。在这篇文章里作者提出了，Tracking-Modeling-Detection，而在PAMI中则修改为TLD，然而基本的思想却仍旧保持一致。TMD中的pruning和growing过程即是TLD中的P-expert与N-expert，而TMD中的Local 2bit Binary Patterns则对应TLD中的Pixel Comparison。中间的对应关系还是比较容易发现。

       这篇文章是去年这个时候准备组会的时候看的，结果为了看懂这篇文章，杂七杂八又看了作者的其他五六篇文章，一直没有时间写，最近发现这个问题如此之火，所以不揣鄙陋，在此献丑，如有纰漏，欢迎各位指正。


论    文：http://ieeexplore.ieee.

最低0.47元/天 解锁文章
Tracking-Learning-Detection （TLD算法总结）
ZhangPY的专栏
07-15 6814
一、TLD算法简介 TLD(Tracking-Learning-Detection)是英国萨里大学的一个捷克籍博士生ZdenekKalal在2012年7月提出的一种新的单目标长时间跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。同时，通过一种改进的在线学习机制不断更新跟踪模块的“显著特征点”和检测模块
目标检测YOLO实战应用案例100讲-多目标检测及追踪
qq_36130719的博客
01-07 2625
人工神经网络是通过模拟生物的神经系统建立的数学模型。在人工神经网络诞生 之后，学者通过反向传播算法和权值共享的卷积神经层相结合研究出了卷积神经网络， 并且成功地实现了手写字符的识别。卷积神经网络是一种前馈神经网络，在图像处理 上有着优秀的实验结果，经常被用在图像处理中。卷积神经网络算法自诞生起就一直是深度学习领域中的主流，它使用卷积计算并 且通过增加卷积网络的层数来增加算法的鲁棒性。
Tracking-Learning-Detection TLD解析三 - Learning学习(跟踪与检测的协调与更新)
独立圜中
06-04 6409
在上一篇跟踪器与检测器（tracker and detector）中，我们已经详细介绍了TLD中跟踪器与检测器的设计方案，而在具体运行过程中需要对二者进行调和，所谓调和主要指两方面： 1.对二者输出的结果综合考虑，选择最有可能的作为最终的输出。 2.当目标跟踪中断再度出现时重新启动跟踪器；运行过程中对检测器进行更新，以适应目标运行过程中形变差异。         TLD中的Learning阶
Tracking-Learning-Detection原理分析
11-13
Tracking-Learning-Detection原理分析
TLD（Tracking-Learning-Detection）学习与源码理解之（一）
热门推荐
zouxy09的专栏
08-21 12万+
TLD（Tracking-Learning-Detection）学习与源码理解之（一） zouxy09@qq.com TLD(Tracking-Learning-Detection)是英国萨里大学的一个捷克籍博士生Zdenek Kalal在其攻读博士学位期间提出的一种新的单目标长时间（long term tracking）跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测
目标检测YOLO实战应用案例100讲-基于改进YOLOv4算法的自动驾驶场景 目标检测
qq_36130719的博客
11-02 2413
随着21世纪的到来，我国人民的生活水平不断提高，人们对高品质生活的渴望 不断增强，居民对于汽车的需求也逐年增加，汽车保有量呈上升趋势。据2022年中国 汽车工业协会发布汽车全年产业产销数据，分别完成2702.1万辆和2686.4万辆，同比 增长3.4%和2.1%，全年实现小幅增长。驾车出行确实可以带给人们方便，但也加剧 了交通堵塞以及尾气所带来的空气污染等问题，同时行车安全也考验着每一位驾驶员 的驾驶技术。根据中华人民共和国2022年国民经济和社会发展统计公报，道路交通事 故万车死亡人数1.46人。
视觉目标跟踪漫谈：从原理到应用
北漂人家
07-14 2591
前言： 视觉目标跟踪 (visual object tracking) 是计算机视觉(computer vision) 领域的一个重要研究问题。通常来说，视觉目标跟踪是在一个视频的后续帧中找到在当前帧中定义的感兴趣物体 (object of interest) 的过程，主要应用于一些需要目标空间位置以及外观（形状、颜色等）特性的视觉应用中。 1什么是视觉目标跟踪 跟踪是在一个视频的后续帧中找到在当前帧中定义的感兴趣物体 (object of interest) ...
OpenCv高阶（十一）——物体跟踪
最新发布
jdjhcn的博客
04-24 1595
物体跟踪是在视频序列或图像流中持续监测和定位特定物体的过程。通过分析相邻帧之间物体的特征和位置变化，实现对物体运动的跟踪。1、BOOSTING 跟踪器原理：基于 AdaBoost 算法，通过迭代训练多个弱分类器并组合成强分类器。在跟踪过程中，不断利用样本更新分类器，以区分目标和背景。特点：精度较低，在目标外观变化、光照变化或存在遮挡时，容易丢失目标。计算速度较慢，实时性较差。对目标外观变化的适应性较弱。适用场景：适用于目标外观相对稳定、光照变化小且对精度要求不高的简单场景。
Tracking-Learning-Detection
iais的专栏
01-08 933
配合一下LiMu。[5] Z. Kalal, K. Mikolajczyk, and J. Matas, “Face-TLD: Tracking-Learning-Detection Applied to Faces,” International Conference on Image Processing, 2010.[pdf][poster][ ][4] Z. Kalal, K. Mikol
TLD(Tracking-Learning-Detection)
liangchunjiang的博客
04-17 913
Zdenek Kalal 基于其开发的TLD技术，建立了TLD Vision公司。网站 http://www.tldvision.com。          TLD Vision是一家研究性公司，致力于在视频中进行运动目标的跟踪。这个跟踪目标的能力是基于对视频数据的理解。潜在的应用场景是用户相机目标的稳定性， 到无人机的目标跟踪。　---------------------------------...
论文笔记TLD：Tracking-Learning-Detection
xiaoxiang_AQ 的博客
02-23 4017
本文主要解决未知目标在视频流中的跟踪问题，跟踪结果通过目标在单帧中的定位表示。重点提出了TLD的框架和P-N学习的方法（P-N learning方法：P-expert估计漏掉的检测结果；N-expert消除错检结果）。
TLD（Tracking-Learning-Detection）学习与源码理解之（四）
zouxy09的专栏
08-21 3万+
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。 run_tld.cpp #include #include #include #include //c++中的sstream类，提供了程序和
Tracking-Learning-Detection TLD目标跟踪算法 Matlab版源码运行步骤
CHEN77的博客
08-06 1648
TLD matlab版源码运行过程详解
Tracking-Learning-Detection TLD解析二 - 跟踪器及检测器设计
独立圜中
06-04 7197
TLD论文中指出，单靠跟踪或单靠检测都无法完成现实的任务，而TLD的任务即在于结合两者的优势。       跟踪与检测的结合点即在于Learning学习过程。图示如下： 论文中将整个方案分为三部分，检测，跟踪，及学习。学习将综合检测与跟踪的结果输出，输出的结果可以作为检测子的训练数据，也可以作为对跟踪器重新初始化。 下面我们具体讲解一下跟踪子与检测子的实现方法。这也是TLD中
TLD跟踪算法介绍
小白学视觉
05-14 1966
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达TLD跟踪算法介绍TLD(Tracking-Learning-Detection)是一种长时视频对象跟踪算法，首先要在视频一帧中指明对象位置，Tracking完成在视频的每一帧中跟踪对象；Dtection完成对象外形与轮廓最小化塑造，需要时用来修正跟踪对象； Learning完成对Detection的量...
TLD（Tracking-Learning-Detection）学习与源码理解之（跟踪器）
slamer的专栏
08-24 2770
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。 LKTracker.h [cpp] view plaincopy #include  #include     //使用金字塔LK光流
TLD目标跟踪算法学习（二）
趁着年轻抓紧逆袭呀！
04-25 2万+
转自：http://johnhany.net/2014/05/tld-the-theory/ 　　正如名字所示，TLD算法主要由三个模块构成：追踪器（tracker），检测器（detector）和机器学习（learning）。 　　对于视频追踪来说，常用的方法有两种，一是使用追踪器根据物体在上一帧的位置预测它在下一帧的位置，但这样会积累误差，而且一旦物体在图像中消失，追踪器就会永久失效，即使物
TLD（Tracking-Learning-Detection）学习与源码理解之（三）
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
Tracking-Learning-Detection: 深入理解长时目标追踪框架
"这篇论文深入探讨了Tracking-Learning-Detection（TLD）框架，这是一种用于长期视频流中未知对象跟踪的方法。TLD将长期跟踪任务分解为跟踪、学习和检测三个阶段。作者Zdenek Kalal、Krystian Mikolajczyk和Jiri ...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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