Tracking-Learning-Detection （TLD算法总结）

最新推荐文章于 2018-04-17 13:30:30 发布
最新推荐文章于 2018-04-17 13:30:30 发布
阅读量6.5k 收藏 3
点赞数 2
分类专栏： 计算机视觉 文章标签： Tracking learning detection computer vision
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。
本文链接：https://blog.csdn.net/LG1259156776/article/details/46897995
版权
TLD算法是一种结合跟踪、检测和学习的单目标长时间跟踪算法，由跟踪模块、检测模块和学习模块构成。它通过不断学习目标的新特征来适应目标的变化，实现更稳定、鲁棒的跟踪。检测器包括方差检测器、随机深林和最近邻分类器，而跟踪模块基于中值流方法。学习模块则根据跟踪和检测结果更新模型，以提高跟踪性能。

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

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”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。

二、TLD framework

了解本专栏 订阅专栏 解锁全文
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 6332
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
xia316104的专栏
03-16 1829
转自http://johnhany.net/2014/05/tld-the-theory/  Tracking-Learning-Detection（TLD）是Zdenek Kalal提出的一种对视频中单个物体长时间跟踪的算法。我主要会根据他在2010年发表的论文《Tracking-Learning-Detection》来分析TLD算法的原理。该项目的首页中有几段视频展示了TLD实时跟踪
Tracking-Learning-Detection
iais的专栏
01-08 904
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
04-17 844
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。　---------------------------------...
TLD算法
weixin_30746117的博客
08-28 557
　　TLD算法好牛逼一个，这里有个视频，是作者展示算法的效果，http://www.56.com/u83/v_NTk3Mzc1NTI.html。下面这个csdn博客里有人做的相关总结，感觉挺好的，收藏了！下面有个Compressive Tracking的网址，提供的代码很少，但实时性很好, matlab代码下下来就能用。以下博文转自：http://blog.csdn.net/windtalkers...
TLD(Tracking-Learning-Detection)目标跟踪算法的C++实现
最新发布
06-08
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跟踪（long term tracking）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...
TLD-tracking-learning-detection
04-15
描述中提到的“tld(tracking-learning-detection)源码，希望对大家有用”表明这是一个开源项目，名为OpenTLD，可能包含了TLD算法的实现代码。OpenTLD-master可能是源代码库的主分支或者初始版本，通常包含项目的...
Tracking-Learning-Detection原理分析1
08-08
Tracking-Learning-Detection（TLD）算法是一种针对视频中单个物体进行长期跟踪的计算机视觉技术，由Zdenek Kalal在2010年的论文《Tracking-Learning-Detection》中提出。该算法的核心思想是结合追踪器、检测器和...
Tracking-Learning-Detection code
06-30
"Tracking-Learning-Detection"（TLD）是一种用于目标跟踪的算法，由Petr Kalal在2012年的Pattern Analysis and Machine Intelligence (PAMI)期刊上发表。这个算法的独特之处在于它结合了三个关键步骤：跟踪...
TLD算法（保证可用，看描述）
12-08
vs2017+opencv3.4.3 其他版本也行 绝对可用，不会操作的只要将cpp及h文件里的代码复制到自己的工程里就可以，编译就可以了 粗暴复制
Tracking-Learning-Detection讲解PPT
11-13
Tracking-Learning-Detection讲解 通过代码对TLD算法的理解的讲解ppt
Tracking-Learning-Detection翻译
12-24
TLD 算法 Tracking-Learning-Detection翻译
TLD算法详解
11-15
介绍了一种跟踪算法TLD，详细描述其思想、原理
TLD（Tracking-Learning-Detection）
weixin_30594001的博客
04-28 146
Tracking-Learning-Detection是一种单目长时跟踪算法，特点和优势是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”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。主要有三部分组成：跟踪模块、检测模块、学习模块；跟踪器在一帧帧的视频帧中跟踪目标。检测器是将已经检测到的特征（表征目标物体）进行局部化处理，并且根据需要不断修正跟踪器。学习器估计出检...
论文笔记TLD：Tracking-Learning-Detection
xiaoxiang_AQ 的博客
02-23 3952
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（跟踪器）
slamer的专栏
08-24 2702
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之学习篇（四）
Note of Transposition
01-27 5159
TLD之学习篇 这一部分是TLD算法的核心之处，有了前面两篇的铺垫，终于可以毫无顾忌的说说这一部分了。不过，还有一座大山，程序的初始化，这是程序运行的铺垫，内容很多……。
TLD之检测篇（二）
Note of Transposition
01-27 4761
TLD之检测篇
评论
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

打赏作者

Zhang_P_Y

感谢支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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