cv::TrackerGOTURN 类参考

GOTURN（使用回归网络的通用目标跟踪）跟踪器 更多...

#include <opencv2/video/tracking.hpp>

cv::TrackerGOTURN 的协作图

类
struct	Params

公有成员函数
virtual	~TrackerGOTURN () CV_OVERRIDE
从 cv::Tracker 继承的公有成员函数
virtual	~Tracker ()
virtual void	init (InputArray image, const Rect &boundingBox)=0
	使用包围目标的已知边界框初始化跟踪器。
virtual bool	update (InputArray image, Rect &boundingBox)=0
	更新跟踪器，找到目标的下一个最可能的边界框。

静态公有成员函数
static Ptr< TrackerGOTURN >	create (const TrackerGOTURN::Params &parameters=TrackerGOTURN::Params())
	构造函数。

保护成员函数
	TrackerGOTURN ()
从 cv::Tracker 继承的保护成员函数
	Tracker ()

详细描述

GOTURN（使用回归网络的通用目标跟踪）跟踪器

GOTURN ([122]) 是一种基于卷积神经网络 (CNN) 的跟踪器。GOTURN 继承了 CNN 跟踪器的所有优点，但由于离线训练的性质，无需在线微调，因此速度更快。GOTURN 跟踪器解决了单目标跟踪问题：给定视频第一帧中目标的边界框标签，我们在视频的其余部分跟踪该目标。注意：GOTURN 的当前方法不处理遮挡；但是，它对视角变化、光照变化和变形具有相当强的鲁棒性。GOTURN 的输入是两个表示目标和搜索补丁的 RGB 补丁，大小调整为 227x227。GOTURN 的输出是预测的边界框坐标，相对于搜索补丁坐标系，格式为 X1、Y1、X2、Y2。原始论文在：http://davheld.github.io/GOTURN/GOTURN.pdf 与原始作者的实现一样：https://github.com/davheld/GOTURN#train-the-tracker 由于第三方依赖关系，训练算法的实现单独放置在这里：https://github.com/Auron-X/GOTURN_Training_Toolkit GOTURN 架构 goturn.prototxt 和训练模型 goturn.caffemodel 可在 opencv_extra GitHub 存储库中获取。

构造函数和析构函数文档

TrackerGOTURN()

cv::TrackerGOTURN::TrackerGOTURN ( )

protected

~TrackerGOTURN()

virtual cv::TrackerGOTURN::~TrackerGOTURN ( )

virtual

成员函数文档

create()

static Ptr< TrackerGOTURN > cv::TrackerGOTURN::create ( const TrackerGOTURN::Params &  parameters = TrackerGOTURN::Params() )

static

Python
	cv.TrackerGOTURN.create(	[, parameters]	) ->	retval
	cv.TrackerGOTURN_create(	[, parameters]	) ->	retval

构造函数。

参数

parameters

GOTURN 参数 TrackerGOTURN::Params

---

此类的文档是从以下文件生成的

• opencv2/video/tracking.hpp