TLD算法详解(一)前言
来源:互联网 发布:js 滑块控件 编辑:程序博客网 时间:2024/06/01 07:22
原文:http://blog.csdn.net/wood_water/article/details/9017681。本文略微做了增减等修改。
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.org/xpls/abs_all.jsp?arnumber=6104061&tag=1
个人主页:http://scholar.google.com/citations?user=u7EBngoAAAAJ&hl=en
OpenTLD :https://groups.google.com/forum/?hl=zh-CN&fromgroups#!forum/opentld
算法效果:http://v.youku.com/v_show/id_XMjU2MzA2MDcy.html
cvchina :http://www.cvchina.info/2011/04/05/tracking-learning-detection/
开源代码:
1. Matlab官方版本
https://github.com/zk00006/OpenTLD
2.其他版本可到 GitHub 上进行搜寻
https://github.com/search?p=1&q=tld&ref=cmdform&type=Repositories
我将分若干部分说明一下我对tld的理解,呃,欢迎大家指正。
其一 Tracking-Learning-Detection TLD解析一 - 前言
其二 Tracking-Learning-Detection TLD解析二 - 跟踪器及检测器设计
其三 Tracking-Learning-Detection TLD解析三 - Learning学习(跟踪与检测的协调与更新)
其四 Tracking-Learning-Detection TLD解析四 - 扩展及局限
首先,介绍一下TLD的特点:
1.开源。有多种OpenTLD版本传播,作者主页有MatLab版本的源码,但是现在作者主页好像删掉了。
2.实时。实时性主要是由于使用的特征和分类器相对简单,并且实时性也仅是在QVGA (240×320) 视频流上实现。
3.仅需要一帧初始化。无须线下训练,检测与跟踪同时进行,分类器实时进行更新,综合检测和跟踪的结果输出最终结果。
4.可以解决跟踪对象失联及重入问题。跟踪效果是目前相对来说较好的state of art,可以实现长时跟踪。
5.与当今跟踪现状相比,更加注重工程实现,且效果惊艳。
6.将检测与跟踪相结合。
跟踪利用在帧与帧之间的信息,只需要初始化,可以产生平滑的路线,耗时较短,但是会产生漂移。
检测会逐帧独立的检测物体位置,不会发生偏移,但是需要线下训练,而且只能寻找已知的物体。
博客地址:http://blog.csdn.net/outstandinger/article/details/9017681
据称已经在如下场景中得到应用,而作者本人也已是TLD vIsion的老总:
公司网站:http://tldvision.com/
相关文章:
Tracking-learning-detection. Pattern Analysis and Machine Intelligence, 2012
Online learning of robust object detectors during unstable tracking. ICCV Workshops, 2009
Face-tld: Tracking-learning-detection applied to faces. ICIP, 2010
Forward-Backward Error: Automatic Detection of Tracking Failures. ICPR, 2010
P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints. CVPR, 2010
- 顶
- 2
- 踩
- TLD算法详解(一)前言
- TLD算法概述(一)
- TLD 源码详解(一)--- TLD的编译和运行
- Tracking-Learning-Detection TLD解析一 - 前言
- TLD算法学习笔记(一)
- TLD算法学习之引言(一)
- TLD目标跟踪算法学习(一)
- 基础算法(一) --- 前言
- 计算机视觉-TLD算法(一)
- 算法一(前言-动态规划)
- Java数据结构和算法(一)--前言
- TLD(已测试)--VS2010下TLD算法源码调试详解,解决卡机问题
- makefile详解 (一) 前言
- maven详解一、前言
- TLD学习(一)
- TLD跟踪算法优化(一)并行化
- Hadoop源码详解 前言(一)
- TLD算法概述(二)
- hdu 6184 Counting Stars(求无向图的三元环数量)
- 安装SaKai中的问题
- LeetCode: Add to List 148. Sort List
- Xcode 高级调试技巧
- js图片库二次改进(动态创建HTML元素)
- TLD算法详解(一)前言
- 暑期学习
- java打印调用堆栈的方式
- 物理内存与虚拟内存解析
- echart图表控件配置入门(常用图表数据动态绑定)
- Spring文档
- 谁是世界上最丑的人
- .section 段
- bzoj 3669: [Noi2014]魔法森林