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
结构体	Params

公有成员函数
虚函数	~TrackerGOTURN () CV_OVERRIDE

继承自 cv::Tracker 的公有成员函数
虚函数	~Tracker ()

虚函数 void	init (InputArray image, const Rect &boundingBox)=0
	使用已知的包围目标的边界框初始化跟踪器。

虚函数 bool	update (InputArray image, Rect &boundingBox)=0
	更新跟踪器，找到目标新的最可能的边界框。

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

保护成员函数
	TrackerGOTURN ()

继承自 cv::Tracker 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 ([121]) 是一种基于卷积神经网络 (CNN) 的跟踪器。GOTURN 具有 CNN 跟踪器的所有优点，并且由于离线训练无需在线微调，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，我们跟踪该目标贯穿视频的其余部分。注意：当前的 GOTURN 方法不处理遮挡；但是，它对于视角变化、光照变化和变形相当稳健。GOTURN 的输入是两个表示目标和搜索区域的 RGB 图块，大小调整为 227x227。GOTURN 的输出是预测的边界框坐标，相对于搜索区域坐标系，格式为 X1、Y1、X2、Y2。原文在此：http://davheld.github.io/GOTURN/GOTURN.pdf 原作者的实现：https://github.com/davheld/GOTURN#train-the-tracker 由于存在第三方依赖项，训练算法的实现单独放在此处：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 仓库中获取。

构造函数和析构函数文档

◆ TrackerGOTURN()

cv::TrackerGOTURN::TrackerGOTURN ( )

保护

◆ ~TrackerGOTURN()

virtual cv::TrackerGOTURN::~TrackerGOTURN ( )

虚函数

成员函数文档

◆ create()

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

静态

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

类

公有成员函数

静态公有成员函数