tld目標(biāo)跟蹤算法-文庫吧資料
2025-02-22 05:42本頁面
【正文】 ? ??r SS SS???? ? 50%50%c S?? ? (3)目標(biāo)模型 是一個代表迄今為止觀測到的 被檢測目標(biāo) 及其 周圍背景 的數(shù)據(jù)結(jié)構(gòu)，它是一系列 正樣本 和 負(fù)樣本 的集合 Tracker 帶有 失敗 檢測 （ Failure detection）的 中值流 （ MedianFlow ）跟蹤 算法，定義 FB誤差（ forwardbackward error）： ? 從時間 t的初始位置 x(t)開始追蹤產(chǎn)生時間 t+p的位置 x(t+p)； ? 再 從位置 x(t+p)反向追蹤產(chǎn)生時間 t的預(yù)測位置 x`(t)； ? 初始位置 x(t)和 預(yù)測 位置 x`(t)之間 的歐氏距離就作為追蹤器在 t時間的 FB誤差 。 (2)目標(biāo)的外觀 用 圖像片 p來表示，每一個圖像片都是從跟蹤框內(nèi)部采樣得到的，并 被 重采樣 到一個 歸一化 的分辨率 （ 15*15像素）。 方框由它的 位置 和 尺度 來決定，有 固定 的 長寬比。 一、 TLD算法簡介 二、 TLD框架結(jié)構(gòu) 三、 PN 學(xué)習(xí) 四、 TLD算法實現(xiàn) 主要內(nèi)容 四 、 TLD算法實現(xiàn) TLD架構(gòu)詳細(xì)的結(jié)構(gòu)圖 (1)在任意時刻，被跟蹤目標(biāo)都可以用其 狀態(tài)屬性 來 表示。 ? 在 第 t+1幀 的過程 與之類似。另外，具有最大可能性的那個區(qū)域，被用于 重新初始化 跟蹤模塊。 Nexperts對 檢測模塊在當(dāng)前幀中的所有輸出結(jié)果以及 跟蹤模塊 的輸出結(jié)果進(jìn)行分析，并找到 置信度最高 的結(jié)果。如果檢測模塊 將目標(biāo) 在 當(dāng)前幀中的位置 標(biāo)記為 負(fù)標(biāo)簽 ，那么 Pexperts就產(chǎn)生一個 正 樣本 。 PN experts 的設(shè)計： Pexperts尋找視頻序列中的 時域上 的結(jié)構(gòu)性特征，并且假設(shè)目標(biāo)是沿著軌跡線移動 的。 a） 中展示了覆蓋有掃描窗格的三幀圖片，每個方框定義一個圖像片，圖 b)和 c)中的 紅點 表示正樣本標(biāo)簽。 c）中每個視頻幀中，目標(biāo)只可能出現(xiàn)在一個區(qū)域，并且，相鄰視頻幀之間檢測到的目標(biāo)區(qū)域是 連續(xù)的 ，構(gòu)成了一個目標(biāo)的運動軌跡。 ? P專家（ Pexpert） 檢出 漏檢 （ false negative，正 樣本被誤 分為負(fù)樣本）的正 樣本，并將其添加到正樣本集中； ? N專家（ Nexpert） 改正 誤檢 （ false positive，負(fù) 樣本被誤 分為正樣本）的正 樣本，并將其添加 到正樣本集 中。它 針對檢測器對樣本分類時產(chǎn)生的兩種錯誤提供了兩種“ 專家 ”進(jìn)行糾正： PN學(xué)習(xí) 的 主要 思想： 檢測器 的錯誤能夠被兩種類型的專家（ Pexperts和 Nexperts）標(biāo)識出。 ? 檢測模塊 和 跟蹤模塊 互補干涉的并行進(jìn)行處理 。 ? 檢測 模塊 假設(shè) 每一個視幀都是彼此 獨立的 ，并且根據(jù)以往檢測和學(xué)習(xí)到的目標(biāo)模型，對每一幀圖片 進(jìn)行 全局搜索 以定位目標(biāo)可能出現(xiàn)的區(qū)域 。 TLD架構(gòu)結(jié)構(gòu)圖 二、 TLD框架結(jié)構(gòu) TLD算法 運行機制： ? 跟蹤模塊 假設(shè) 相鄰視頻幀之間物體的運動是 有限的 ，且被跟蹤目標(biāo)是可見的 ，以此來估計目標(biāo)的運動。 ? 同時，通過一種改進(jìn)的 在線學(xué)習(xí)機制 不斷 更新檢測 模塊的 目標(biāo)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1