TLD目標跟蹤算法 - universe42－IT工程師數位筆記本

文章出處

1. 簡介

TLD目標跟蹤算法是Tracking-Learning-Detection算法的簡稱。這個視頻跟蹤算法框架由英國薩里大學的一個捷克籍博士生Zdenek Kalal提出。TLD將傳統的視頻跟蹤算法的跟蹤模塊(Tracker)與檢測模塊(Detector)結合起來，同時加入了學習(Learning)的過程，使得跟蹤的效果更佳穩定、可靠。目前算法作者Zdenek Kalal已經拿著這個算法開了公司，最新的版本已經更新到TLD 2.1。在github上作者給出了TLD源碼的1.0版本。作者的開源代碼是基于matlab的，也有人給出了c++實現，但是運行速度非常慢。

什么是跟蹤模塊(Tracker)與檢測模塊(Detector)呢？說白了，Tracker就是根據目標物體在視頻流前面的幀中的位置，來預測其在當前幀中的位置；Detector就是在當前幀中根據目標物體的先驗信息(形狀色彩/灰度、各種特征等)，來檢測目標物體在當前幀中的位置。作者在2011年發表的文章中Tracker使用的是median flow tracker，detector則是一個級聯分類器。對于當前幀i，通過Integrator將tracker與detector的輸出結果進行判斷整合，最終輸出一個目標物體的位置，或者目標物體在i中不存在。TLD算法的突破在于其Learning模塊，在不斷預測的過程中不斷更新正、負樣本庫，用于后續幀中目標物體的位置檢測。

Zdenek Kalal自己錄制了TLD算法的演示視頻，效果很贊。在成功編譯TLD源碼并在一些視頻跟蹤的數據庫中運行后發現TLD的跟蹤效果確實很不錯，并實現了實時跟蹤。

2. 源碼編譯

編譯環境： win7 64 bit, matlab2014b, visual studio 2012 64bit compiler, opencv2.4.11

編譯過程參考作者源碼的wiki。

若遇到問題有可能是下面幾種情況：

　　a. opencv環境變量的設置問題

　　--solution：系統環境變量PATH中添加 C:\opencv2.4.11\opencv\build\x64\vc12\bin (設置為自己opencv的安裝路徑，注銷計算機使得環境變量生效)

　　b. compile.m中libpath與include的配置問題

　　--solution：配置參考下面的圖片(注意libpath與include最后一定要添加反斜杠!)