TLD算法
gxiaob
这个作者很懒,什么都没留下…
展开
-
PN学习 .
本文转自http://blog.csdn.net/carson2005/article/details/7483027申明:以下文字为笔者阅读了计算机视觉国际会议论文之后翻译所得,其中个别部分加入了笔者自己的理解,但绝大部分都尊重了作者的原意。鉴于本人水平有限,个别地方可能存在误差,希望各位能够谅解!另外,如果您需要更详细的了解PN学习的原理、用法及应用举例,请参考原文:PN-learning转载 2012-12-03 23:00:31 · 1352 阅读 · 0 评论 -
再谈PN学习 .
本文转自http://blog.csdn.net/carson2005/article/details/7647519之前翻译过一篇PN学习的文章:http://blog.csdn.net/carson2005/article/details/7483027,但该文章的内容还是略显生涩,不太容易理解。尤其是在TLD跟踪算法中,PN学习又是一个很重要的模块。如果不能很好理解该部分,是很难完全掌握转载 2012-12-03 23:03:15 · 1668 阅读 · 2 评论 -
详喷TLD .
本文转自http://blog.csdn.net/zwlq1314521/article/details/8140974 之所以从TLD这个算法开始扒,是因为它够经典,涉及的范围够广,引用的参考文献也够经典,哈哈,原作者已经在筹备开公司了。我刚开始学习就是从它入手,逐渐的扩展,写下来,给初学的人一点点参考。 TLD的代码是开源的,你可以从摄像头或者测试视频中选择任意的物体进行跟踪,所转载 2012-11-22 17:50:51 · 2588 阅读 · 2 评论 -
TLD(Tracking-Learning-Detection)学习与源码理解之(六)
本文转自http://blog.csdn.net/zouxy09/article/details/7893081 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。TLD.h[cpp]转载 2012-11-22 17:31:57 · 2669 阅读 · 0 评论 -
TLD(Tracking-Learning-Detection)学习与源码理解之(五)
本文转自http://blog.csdn.net/zouxy09/article/details/7893056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转载 2012-11-22 17:24:53 · 1477 阅读 · 0 评论 -
TLD动态跟踪系统中的学习策略—P-N Learning
本文转自http://blog.sina.com.cn/s/blog_80e381d101015fza.html1概述 本文显示二类分类器的表现可以通过未标记数据结构化的处理过程来提升,也就是说,如果知道一个样本的标记对其他样本的标记有限制,那么认为数据是结构化的。本文提出P-N learning 用已标记和未标记的样本来训练二类分类器,训练的过程通过用来限制未标记数据集的“正约束转载 2012-11-21 16:16:37 · 2255 阅读 · 0 评论 -
随机蕨(random ferns)简介 .
本文转自http://blog.csdn.net/yang_xian521/article/details/7358078之前看到的TLD代码中里机器学习的部分就是用的这个方法。不过TLD作者在论文中实现使用的是random forest,不过归到底,random forest和random ferns都是一种东西。英文比较好的,推荐链接http://cvlab.epfl.ch/alu转载 2012-11-21 16:09:30 · 3693 阅读 · 1 评论 -
庖丁解牛TLD(四)——Tracking解析 .
本文转自http://blog.csdn.net/yang_xian521/article/details/7079749前几节都是根据作者的程序流程一步步介绍作者的工作,感觉只是对代码的一个注释,这次换一个思路,一部分一部分啃,作者的工作主要就是3部分么,tracking,learning,detection。这次先介绍Tracking的工作。对于Tracking,作者主要使用的是他转载 2012-11-21 16:02:42 · 1359 阅读 · 0 评论 -
庖丁解牛TLD(二)——初始化工作(为算法的准备) .
本文转自http://blog.csdn.net/yang_xian521/article/details/6957139我说的初始化,还不是算法的初始化工作,而是读入图像,响应键盘鼠标之类的工作。作者提供的代码中的工作包含了从摄像头读取和从文件中读取两种输入方案。这里介绍一下从文件输入的办法。因为OpenCV从视频读取图像序列的办法有很好的demo,我这里就不介绍摄像头的办法了。TLD下载后转载 2012-11-21 15:59:53 · 1675 阅读 · 0 评论 -
再谈PN学习 .
本文转自http://blog.csdn.net/carson2005/article/details/7647519之前翻译过一篇PN学习的文章:http://blog.csdn.net/carson2005/article/details/7483027,但该文章的内容还是略显生涩,不太容易理解。尤其是在TLD跟踪算法中,PN学习又是一个很重要的模块。如果不能很好理解该部分,是很难完全掌握转载 2012-11-21 15:42:34 · 873 阅读 · 0 评论 -
2011_08_19_Random Fern
本文转自http://blog.sina.com.cn/s/blog_8ff949cf0100yfof.html最近在做 Zdenek Kalal的TLD算法,其成果发表在CVPR 2010上,文章的名字叫做 P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints,是关于一个跟踪算法的,主要思转载 2012-12-25 20:03:39 · 1645 阅读 · 0 评论 -
庖丁解牛TLD(三)——算法初始化 .
本文转自http://blog.csdn.net/yang_xian521/article/details/6957732上一讲我提到对于算法的初始化工作主要是在tldInit这个函数里实现的。主要分为如下几大步骤,1)初始化Detector。2)初始化Trajectory。3)训练Detector1)初始化Detector其中bb_scan为扫描grid区域,该函数输入为boun转载 2012-11-21 16:01:01 · 1595 阅读 · 0 评论 -
TLD特征选择
本文转自http://blog.csdn.net/muzi198783/article/details/7349640现在,我们来找最适合跟踪的三个参数,W1,W2,W3。我们首先需要规定参数的范围(前面说了这是个很笨的方法就在这里),【-2,-1,0,1,2】思路:首先排除掉线性相关的系数(【W1,W2,W3】=k【W1',W2',W3'】) 然后在一个一转载 2012-11-21 15:37:00 · 1111 阅读 · 0 评论 -
比微软kinect更强的视频跟踪算法--TLD跟踪算法介绍 .
本文转自http://blog.csdn.net/carson2005/article/details/7647500 TLD(Tracking-Learning-Detection)是英国萨里大学的一个捷克籍博士生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算法相结合来解决被跟转载 2012-11-21 15:44:26 · 1177 阅读 · 0 评论 -
庖丁解牛TLD(一)——开篇 .
本文转自http://blog.csdn.net/yang_xian521/article/details/6952870最近在网上多次看到有关Zdenek Kalal的TLD的文章,说他做的工作如何的帅,看了一下TLD的视频,感觉确实做的很好,有人夸张的说他这个系统可以和Kniect媲美,我倒是两者的工作可比性不大,实现的方法也不同。但这个哥们做的真的很棒,最可贵的是人家提供了源码可以下转载 2012-11-21 15:57:59 · 1571 阅读 · 0 评论 -
TLD(Tracking-Learning-Detection)学习与源码理解之(三)
本文转自http://blog.csdn.net/zouxy09/article/details/7893026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,分析整个TL转载 2012-11-22 17:21:39 · 1990 阅读 · 0 评论 -
TLD(Tracking-Learning-Detection)学习与源码理解之(二)
本文转自http://blog.csdn.net/zouxy09/article/details/7893022OpenTLD下载与编译:(1)https://github.com/arthurv/OpenTLD下载得到:arthurv-OpenTLD-1e3cd0b.zip或者在Linux下直接通过git工具进行克隆:#git clone git@github.com:ala转载 2012-11-22 17:19:53 · 1445 阅读 · 0 评论 -
庖丁解牛TLD(五)——井底之蛙啦~ .
本文转自http://blog.csdn.net/yang_xian521/article/details/7091587随着和我交流TLD的朋友越来越多,我渐渐的知道的也多了,才发现我研究的结果只是沧海一粟。这里先膜拜一下Alan Torres大神,他已经用c++把TLD重新写好了,而且代码很规范。他设计的理念有:1. depends *only* on OpenCV (2.3)转载 2012-11-21 16:04:11 · 1425 阅读 · 0 评论 -
TLD视觉跟踪技术解析
本文转自http://networking.asmag.com.cn/n-50168.shtml摘要:城市轨道交通复杂的环境给智能分析带来诸多问题,而当前新颖的TLD视觉跟踪技术却能更好的适应这个复杂环境,本文就来看看TLD视频跟踪技术如何更好的应用在城市轨道交通环境中....转载 2012-11-21 15:52:48 · 1430 阅读 · 0 评论 -
TLD算法matlab版本的程序调试过程
kalal的混合编程的代码很早就下载了,但是一直没有去调试,前一段时间看了差不多一个月的文献,终于把作者的算法大致讲的意思给弄明白了,但是里面涉及到的很多细节的东西还是不太清楚,由于自己刚换的方向,理论基础薄弱,讲报告的时候,面对师兄的提问回答的不够好,结果被老师给批评了。做完报告便开始了作者代码的调试,由于前期问过很多的前辈这个代码改怎么调,但是大家似乎说的我还是不明白,没办法,还是得自己摸索。原创 2012-12-15 16:06:43 · 3498 阅读 · 0 评论 -
TLD之detector .
本文转自http://blog.csdn.net/zwlq1314521/article/details/8142020 本文会介绍tld中随机森林的创建方法及随机森林的一些基本概念。 首先需要知道的是在tld中的随机森林是用于目标检测分类器,它能够在线更新和预测,撇开它的p-n学习的外套,我们来看它的本质,他就是一个改进的adaboost。 看一下随机森林的概念,随转载 2012-11-22 17:52:01 · 2143 阅读 · 0 评论 -
TLD(Tracking-Learning-Detection)学习与源码理解之(七)
本文转自http://blog.csdn.net/zouxy09/article/details/7893090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。 FerNNClassifier.h转载 2012-11-22 17:33:44 · 1619 阅读 · 0 评论 -
TLD(Tracking-Learning-Detection)学习与源码理解之(一)
本文转自http://blog.csdn.net/zouxy09/article/details/7893011TLD(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算法相转载 2012-11-22 17:18:31 · 1991 阅读 · 0 评论 -
TLD算法特征选择 .
本文转自http://blog.csdn.net/muzi198783/article/details/7347413TLD算法一开始做的工作就是特征选择 如何选则呢 这个我在其中一篇文献找到了答案.作者也只是做了一个比较,采用的方法是一种比较笨的方法 如何找的一个优化 这个可以作为一个比较好的思路 我现在主要是时间有限 如果哪位同学有什么想法或毅力做这件事 我希望告诉我啊!理解这个特转载 2012-11-21 15:38:24 · 1000 阅读 · 0 评论 -
openTLD 源码解读 .
本文转自http://blog.csdn.net/muzi198783/article/details/7392255首先是run_TLD 在其次就是tldExample 最后到了初始化函数tldInit第一个比较关键的函数 bb_scan将图像网格化,将图片首先 SCALE = 1.2.^[-10:10];(21 个规格),在每个规格上打网格 这个函数有一个比较重要的方法转载 2012-11-21 15:33:10 · 1198 阅读 · 0 评论 -
TLD(Tracking-Learning-Detection)学习与源码理解之(四)
本文转自http://blog.csdn.net/zouxy09/article/details/7893032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[cpp转载 2012-11-22 17:23:09 · 1430 阅读 · 1 评论 -
c++版本的TLD算法的编译调试
C++版本的调试过程如下头文件的相互包含去掉,注意顶层头文件,将不必要的头文件删除掉将一些用到的函数进行强制类型转换,使其符合函数的用法,数据的类型改为doule型,例如floor函数定义一个round函数,添加必要的头文件,vs2010中不能直接调用round函数。初始配置为vs2010和opencv2.2。因为程序连接的时候报错,在vs2010中添加一个附加依赖项opencv_原创 2013-03-03 21:54:41 · 6160 阅读 · 17 评论