目前，基於檢測和半監督學習的目標跟蹤演算法已經成為研究的主流。tld是這其中的經典代表，具有良好的適應性和魯棒性！
tld演算法由4個模組構成：跟蹤模組、學習模組、檢測模組和整合模組。
跟蹤模組和檢測模組並列執行，兩者相互影響，檢測模組可以重置跟蹤模組，同時跟蹤模組又可以通過學習模組為檢測模組提供訓練資料，緊接著將它們生成正負樣本傳入整合模組，整合模組生成正負樣本參與半監督學習，此時負責儲存具備表徵當前目標外觀的目標模型得到更新，更新之後又反作用於跟蹤模組和檢測模組。
（1）手動初始化
（2）貪婪搜尋，基於滑動視窗掃瞄的。
（3）影象元方差分類器泛化能力相對較弱
（4）目標模型樣本膨脹，樣本不斷的膨脹，冗餘度高。
（5）對相似目標辨識能力相對較弱
（6）發生嚴重遮擋時，目標框易漂移
（7）最近鄰分類器耗時巨大
（8）複雜背景下，目標框易漂移
（9）median——flow***穩定性相對較弱
（10）目標發生大尺度形變時，目標框易漂移
演算法存在的缺陷也是現在tld演算法研究學者們不斷改進下手的地方。
TLd跟蹤演算法
作者 的鏈結 原始碼為linux版本，基於opencv2.3 在原始碼 doc資料夾下有其程式設計介面，很清晰。zk關於這個tld框架發表了很多 感覺對理解 非常有用的 有下面三個 1 tracking learning detection 2 forward backward error auto...
TLD演算法簡介
tld演算法簡介 tld tracking learning detection 是 zdenek kalal 等人於 2009 至2012 年期間提出的單目標 長時間影象跟蹤演算法。與傳統的單一跟蹤演算法相比，tld 跟蹤演算法融合了 檢測器和學習模組三個部分，既能夠對連續運動目標進行跟蹤，又能夠...
TLD學習篇之演算法框架
程式執行框架 2.利用這些點用光流法 取下一幀對應的點n2，再用這些對應的點用光流法返回 當前幀所在的點n3，n1和n3的距離就是fb error 3.ncc是利用n1的每個點和n2每個點為中心提取10 10的畫素矩陣，使用亞畫素精度，兩者進行計算互相關歸一化模板匹配，得出相似值。4.取大於ncc相...