对于TLD的研究，已有些时日。最开始的时候看Zdenek Kalal的论文，但是有很多啃不动的地方。看完只觉得了解了个大体框架，很多地方都不明白。后来，又看完了各位牛人的分析及讲解（大部分已转载到本博客，大家可以查阅），受益匪浅！但是觉得对很多问题还是不明白！好在网友【冷月无心】给我推荐了C++版本作者的论文，作者分析得很细，看完很受用，解除了很多困惑！最近，打算再根据C++源码深入地走一遍，并把源码功能详细分享给大家！希望后面学习使用TLD算法的朋友通过我的分析，能够不走那么多弯路，也欢迎朋友们和我一起讨论！废话就说到这里，开始分享。。。

1.       buildGrid(frame1，box)

输入：

      当前帧图像：frame1

      初始边界框：box

输出：

          所有边界框及其信息：vector<BoundingBox> grid

    描述：

使用滑动窗法对整帧图像，按从上到下、从左到右的顺序，取边界框并记录其大

小、位置、尺度、与初始边界框（第一帧中手工所取）重叠度。其中，尺度取初

始边界框的1.2(S次方)倍，S取值为-10、-9、…、9、10。

2.       getOverlappingBoxes(box,num_closest_init)

输入：

      初始边界框：box

      欲得到good_box(与初始边界框最相似的box)的个数：num_closest_init

输出：

      最相似边界框：best_box

         最相似的num_closest_init个边界框：vector<int> good_boxes

          不重叠边界框：vector<int> bad_boxes

描述：

将所有边界框中，与初始框box重叠度最高的边界框信息赋给best_box。把所有重

叠度高于0.6的边界框归类到good_boxes;把所有重叠度低于阈值bad_overlap（读

取自parameters.yml，论文中为0.2）的边界框归类到bad_boxes。如果good_boxes

中边界框个数多于num_closest_init个，则从中取重叠率最高num_closest_init

个边界框good_boxes。

函数末尾调用getBBHull()函数的目的是，得到good_boxes中所有边界框能覆盖到

的最大边界。

3.       classifier.prepare(scales)：函数位于FerNNClassifier.cpp中。

输入：

所有有效尺度：scales

   输出：

         所有待获取2bitBP特征（位置）：features

         阈值：0.5*nstructs

         初始化Posteriors、pCounter、nCounter

   描述：

对特征提取的位置（均匀任选图像块中两点）进行选取（共计：蕨个数*特征位数

（二进制数位数）*尺度大小（21） 个），声明并初始化每个蕨的可信度、正样

本计数器、负样本计数器。

下一节见《TLD源码深度分析：初始化模块（二）》

注：若存在说法看不明白的，请留言询问！

原发文章很多朋友回复问我要文章，这里发到百度网盘供大家下载！

论文下载：Robust Object Tracking Based on Tracking-Learning-Detection.pdf (提取密码：6sfx)

                 链接: http://pan.baidu.com/s/13yfWq 密码: 6sfx