TLD 的多目標跟蹤器。更多...

#include <opencv2/tracking/tracking_legacy.hpp>

cv::legacy::MultiTrackerTLD 的協作圖

公共成員函式
bool	update_opt (InputArray image)
	從跟蹤列表中更新所有跟蹤器，透過最佳化的更新方法為目標找到新的最可能的邊界框，該方法使用一些技術來加速 MO TLD 的計算。唯一的限制是所有目標邊界框應具有大致相同的縱橫比。速度提升約為 20%。

從 cv::legacy::MultiTracker_Alt 繼承的公共成員函式
	MultiTracker_Alt ()
	Multitracker 的建構函式。

bool	addTarget (InputArray image, const Rect2d &boundingBox, Ptr< legacy::Tracker > tracker_algorithm)
	將新目標新增到跟蹤列表，並使用圍繞目標的已知邊界框初始化跟蹤器。

bool	update (InputArray image)
	從跟蹤列表中更新所有跟蹤器，為目標找到新的最可能的邊界框。

其他繼承的成員
從 cv::legacy::MultiTracker_Alt 繼承的公共屬性
std::vector< Rect2d >	邊界框
	多目標跟蹤器的邊界框列表。

std::vector< Scalar >	colors
	用於邊界框顯示的隨機生成的顏色列表。

int	targetNum
	跟蹤列表中目標的當前數量。

std::vector< Ptr< Tracker > >	trackers
	多目標跟蹤器的跟蹤器列表。

詳細描述

TLD 的多目標跟蹤器。

TLD 是一種新的跟蹤框架，它將長期跟蹤任務明確地分解為跟蹤、學習和檢測。

跟蹤器逐幀跟蹤物件。檢測器定位到目前為止觀察到的所有外觀，並在必要時更正跟蹤器。學習估計檢測器的錯誤並更新它以避免將來出現這些錯誤。該實現基於 [143] 。

Median Flow 演算法（請參閱 cv::TrackerMedianFlow）被選擇作為此實現中的跟蹤元件，遵循作者。跟蹤器應該能夠處理快速運動、部分遮擋、物件不存在等。

成員函式文件

bool cv::legacy::MultiTrackerTLD::update_opt ( InputArray image )

從跟蹤列表中更新所有跟蹤器，透過最佳化的更新方法為目標找到新的最可能的邊界框，該方法使用一些技術來加速 MO TLD 的計算。唯一的限制是所有目標邊界框應具有大致相同的縱橫比。速度提升約為 20%。

引數

image 當前幀。

返回: True 表示所有目標都已定位，false 表示跟蹤器無法在當前幀中定位其中一個目標。請注意，後者並不意味著跟蹤器已失敗，可能目標確實從幀中丟失（例如，超出視線）

此類文件由以下檔案生成