自由Man

学习 - TLD算法翻译文稿(首创公开)

学习

我们并行执行递归跟踪和目标检测来处理输入图像。本章将介绍如何把使用两种方法得到的结果融合成一个最终的检测结果。背景模型和方差分类阈值已在第一帧初始化时得到,但集成分类器和匹配模板都需要在对图像帧的处理过程中通过在线训练得到。为了解决模板更新的问题,我们要求:处理得到的最终结果必须适合用于学习。所以对于学习,我们执行了两个P/N学习约束。第一个约束条件是,得到的最终结果附近的图像块必须被目标检测器归类为正样本;第二个约束条件是,余下的所有图像块必须被目标检测器分类为负样本。

本章的组织结构是:4.1 介绍如何归并递归跟踪和目标检测的结果,同时给出一些有效性判别条件;4.2 介绍如何使用P/N学习约束;4.3 介绍本方法的主要步骤; 4.4 对本章做一个小结。


4.4 总结

    本章描述了如何通过对递归跟踪结果和目标检测结果使用模板匹配法计算可信度来得到最终结果。根据可信度及上一帧中边界框的有效性,我们进一步定义了最终结果是否有效的判断标准。最终结果的有效性是是否进行学习的判决条件。学习包括找出被错误分类的样本和更新集成分类器和匹配模板,使这些被错分的样本能够被正确分类。




发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

Powered By Z-BlogPHP 1.5.2 Zero Theme By 爱墙纸

Copyright ZiYouMan.cn. All Rights Reserved. 蜀ICP备15004526号