运动跟踪算法—TLD (一)

TLD算法结合跟踪、学习和检测,用于解决目标形变和遮挡问题。它基于LK光流法跟踪,用P-N学习算法更新模型,级联分类器进行检测。当检测结果与跟踪不一致时,服从检测结果。文章探讨了基于TLD的行人检测与跟踪,以及解决运动尺度问题的金字塔光流法改进。

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

一 TLD

1.1 资料

作者网站链接:http://info.ee.surrey.ac.uk/Personal/Z.Kalal/Matlab官方版本:https://github.com/zk00006/OpenTLDC++源码:https://github.com/arthurv/OpenTLD
相关论文:(1)Tracking-Learning-Detection
(2)Forward-Backward Error Automatic Detection of Tracking Failures
(3)Online learning of robust object detectors during unstable tracking
(4)P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints. CVPR, 2010
(5)Forward-Backward Error: Automatic Detection of Tracking Failures. ICPR, 2010(跟踪器)
(6)Tracking-learning-detection applied to faces. ICIP, 2010

1.2 简介

对于长时间跟踪而言,一个关键的问题是:当目标重新出现在相机视野中时,系统应该能重新检测到它,并开始重新跟踪。但是,长时间跟踪过程中,被跟踪目标将不可避免的发生形状变化、光照条件变化、尺度变化、遮挡等情况。
传统的跟踪算法,前端需

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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