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
结构体	Params

公共成员函数
virtual	~TrackerGOTURN () CV_OVERRIDE
从 cv::Tracker 继承的公共成员函数
virtual	~Tracker ()
virtual void	init (InputArray image, const Rect &boundingBox)=0
	使用围绕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，找到目标最有可能的新边界框。

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

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

详细描述

GOTURN (使用回归网络的通用目标跟踪) 跟踪器

GOTURN ([124]) 是一种基于卷积神经网络 (CNN) 的跟踪器。GOTURN 利用 CNN 跟踪器的所有优点，由于其离线训练而无需在线微调，因此速度更快。GOTURN 跟踪器解决了单目标跟踪的问题：给定视频第一帧中对象的边界框标签，我们在视频的其余部分跟踪该对象。注意：当前 GOTURN 方法不处理遮挡；但是，它对视点变化、光照变化和变形相当稳健。GOTURN 的输入是两个 RGB 块，表示调整大小为 227x227 的目标块和搜索块。GOTURN 的输出是预测的边界框坐标，相对于搜索块坐标系，格式为 X1、Y1、X2、Y2。原始论文在这里：http://davheld.github.io/GOTURN/GOTURN.pdf 与原始作者的实现相同：https://github.com/davheld/GOTURN#train-the-tracker 由于第三方依赖项，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 可以在 opencv_extra GitHub 存储库上访问。

构造函数 & 析构函数文档

TrackerGOTURN()

cv::TrackerGOTURN::TrackerGOTURN ( )

保护

~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(	[, 参数]	) ->	retval
	cv.TrackerGOTURN.create(	model	) ->	retval
	cv.TrackerGOTURN_create(	[, 参数]	) ->	retval
	cv.TrackerGOTURN_create(	model	) ->	retval

构造函数。

参数

parameters

GOTURN 参数 TrackerGOTURN::Params

---

此类的文档由以下文件生成

• opencv2/video/tracking.hpp