TLD算法中的Learning部分解读
来源:互联网 发布:华为在美国 知乎 编辑:程序博客网 时间:2024/06/05 18:23
跟踪算法大致可分为三大部分:1 外表模型,appearance model 用来对跟踪物体的外表进行建模;2 运动模型,用来对物体的运动轨迹预测建模,比如卡尔曼滤波和粒子滤波;3 搜索机制,用来找ground truth的位置及被跟踪物体的位置。这里说的learning部分 其实就是运动模型,所谓的P-N learning ,就是根据物体运行的方向速度建立一个tracker 预测下一帧里物体的位置,这里只是一个大致的范围,然后在这个范围里用detector 来找到最有可能的物体的位置。这种学习策略说 起来时为了造成一个error compensation.就是tracker可能是错误的,因为物体的运动是不规律的,所以不是很准确。而 detector一般是更准的,但是它更费时,所以在tracker预测的局部检测降低时间花费,这两个部分相互补偿彼此的不足,说到这里是不是觉得P-N learning 也不过如此。
以上只是我的看法欢迎纠正。
0 0
- TLD算法中的Learning部分解读
- TLD(Tracking Learning Detection)算法解析
- Tracking-Learning-Detection (TLD算法总结)
- Tracking-Learning-Detection (TLD算法总结)
- Tracking-Learning-Detection (TLD跟踪算法)
- Traking-Learning-Detection TLD经典论文部分翻译
- TLD(Tracking-Learning-Detection)一种目标跟踪算法
- TLD(Tracking-Learning-Detection)一种目标跟踪算法
- TLD(Tracking-Learning-Detection)算法学习与源码解析(三)之 tld.cpp源码解析
- TLD算法阅读中的opencv学习
- TLD算法
- TLD算法
- TLD算法
- TLD算法
- TLD(Tracking-Learning-Detection)算法学习与源码解析(一)之算法概述
- TLD(Tracking-Learning-Detection) 编译
- TLD(Tracking-Learning-Detection)算法学习与源码解析(二)之runtld.cpp源码解析
- TLD(Tracking-Learning-Detection)算法学习与源码解析(四)之LKTracker源码分析
- SpringSecurity3用户验证(异常信息,验证码)
- about dcom edit limits' background
- adb devices :???????????? no permissions 解决方法
- malloc用法
- 2014年2月16日 20:20:21
- TLD算法中的Learning部分解读
- Android精品开源项目整理_V20131115(持续更新中..)
- Qt MouseEvent
- 第一个独立Android App
- 密码学和SSL简介
- BNU4071:地图填色(DFS)
- 最大似然分类法
- poj_3041
- 14年春面试前准备(二)