共找到4條詞條名為TLD的結果展開

TLD

Tracking-Learning-Detection （一種目標跟蹤演演算法...

TLD(Tracking-Learning-Detection)是英國薩里大學的一個捷克籍博士生Zdenek Kalal在其攻讀博士學位期間提出的一種新的單目標長時間跟蹤（long term tracking）演演算法。該演演算法與傳統跟蹤演演算法的顯著區別在於將傳統的跟蹤演演算法和傳統的檢測演演算法相結合來解決被跟蹤目標在被跟蹤過程中發生的形變、部分遮擋等問題。同時，通過一種改進的在線學習機制不斷更新跟蹤模塊的“顯著特徵點”和檢測模塊的目標模型及相關參數，從而使得跟蹤效果更加穩定、可靠。

1簡介

簡介

TLD是一個用於針對視頻中未知物體長期跟蹤的架構。簡單來說，TLD演演算法由三部分組成：跟蹤模塊、檢測模塊、學習模塊。跟蹤模塊是觀察幀與幀之間的目標的動向。檢測模塊是把每張圖看成獨立的，然後去定位。學習模塊將根據跟蹤模塊的結果對檢測模塊的錯誤進行評估，生成訓練樣本來對檢測模塊的目標模型進行更新，避免以後出現類似錯誤。

TLD跟蹤系統最大的特點就在於能對鎖定的目標進行不斷的學習，以獲取目標最新的外觀特徵，從而及時完善跟蹤，以達到最佳的狀態。也就是說，開始時只提供一幀靜止的目標圖像，但隨著目標的不斷運動，系統能持續不斷地進行探測，獲知目標在角度、距離、景深等方面的改變，並實時識別，經過一段時間的學習之後，目標就再也無法躲過。

TLD技術採用跟蹤和檢測相結合的策略，是一種自適應的、可靠的跟蹤技術。TLD技術中，跟蹤器和檢測器并行運行，二者所產生的結果都參與學習過程，學習后的模型又反作用於跟蹤器和檢測器，對其進行實時更新，從而保證了即使在目標外觀發生變化的情況下，也能夠被持續跟蹤。

追蹤器的作用是跟蹤連續幀間的運動，當物體始終可見時跟蹤器才會有效。追蹤器根據物體在前一幀已知的位置估計在當前幀的位置，這樣就會產生一條物體運動的軌跡，從這條軌跡可以為學習模塊產生正樣本（Tracking->Learning）。

檢測器的作用是估計追蹤器的誤差，如果誤差很大就改正追蹤器的結果。檢測器對每一幀圖像都做全面的掃描，找到與目標物體相似的所有外觀的位置，從檢測產生的結果中產生正樣本和負樣本，交給學習模塊（Detection->Learning）。演演算法從所有正樣本中選出一個最可信的位置作為這一幀TLD的輸出結果，然後用這個結果更新追蹤器的起始位置（Detection->Tracking）。

學習模塊根據追蹤器和檢測器產生的正負樣本，迭代訓練分類器，改善檢測器的精度（Learning->Detection）。

TLD

Tracking-Learning-Detection （一種目標跟蹤演演算法...

簡介

基本信息