关闭

庖丁解牛TLD(一)——开篇

447人阅读 评论(0) 收藏 举报
分类:

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载。他相关的工作网上一搜一大片,推荐一个链接http://www.cvchina.net/article-22-1.html,再给个作者网站的链接http://info.ee.surrey.ac.uk/Personal/Z.Kalal/


看了他的demo视频顿时心潮澎湃,赶紧下载了他的源代码后又有些崩溃了。他的工作量还是很大的,得静下心来慢慢研究。直接看代码难免云里雾里的,先看看人家的论文吧。

这哥们这几年可真没少发paper啊,我比较关注他实现的算法。TLD即Tracking Learning Detector,我认为就是依据跟踪学习的目标检测。看了他08年发表的一篇文章,介绍了他的这个算法,那时候还把算法称为TMD(tracking、modeling、detection),他的tracking工作时基于Lucas-Kanade光流法的。modeling学习的过程有growing和pruning两方面的工作,可以正负反馈,得到较好的学习结果,对于他的学习过程,他在另一篇文章中又详细介绍了P-N learning这种学习算法。detection的部分用的是随机森林的机器学习办法,加上bootstarps。对于特征的选择,他提出了一种基于LBP特征的2bit BP特征。几篇文章下来,我已经有点晕乎了,这些算法都不是太熟悉,看来得结合代码一个个啃了。

代码正在一点点啃,有同样兴趣的朋友可以交流指导一下,不胜感激。


0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:44765次
    • 积分:887
    • 等级:
    • 排名:千里之外
    • 原创:32篇
    • 转载:87篇
    • 译文:0篇
    • 评论:6条
    最新评论