TLD 的多目标跟踪器。更多...

#include <opencv2/tracking/tracking_legacy.hpp>

cv::legacy::MultiTrackerTLD 的协作图

公共成员函数
bool	update_opt (InputArray image)
	从跟踪列表中更新所有跟踪器，通过优化的更新方法为目标找到新的最可能的边界框，该方法使用一些技术来加速 MO TLD 的计算。唯一的限制是所有目标边界框应具有大致相同的纵横比。速度提升约为 20%。

从 cv::legacy::MultiTracker_Alt 继承的公共成员函数
	MultiTracker_Alt ()
	Multitracker 的构造函数。

bool	addTarget (InputArray image, const Rect2d &boundingBox, Ptr< legacy::Tracker > tracker_algorithm)
	将新目标添加到跟踪列表，并使用围绕目标的已知边界框初始化跟踪器。

bool	update (InputArray image)
	从跟踪列表中更新所有跟踪器，为目标找到新的最可能的边界框。

其他继承的成员
从 cv::legacy::MultiTracker_Alt 继承的公共属性
std::vector< Rect2d >	边界框
	多目标跟踪器的边界框列表。

std::vector< Scalar >	colors
	用于边界框显示的随机生成的颜色列表。

int	targetNum
	跟踪列表中目标的当前数量。

std::vector< Ptr< Tracker > >	trackers
	多目标跟踪器的跟踪器列表。

详细描述

TLD 的多目标跟踪器。

TLD 是一种新的跟踪框架，它将长期跟踪任务明确地分解为跟踪、学习和检测。

跟踪器逐帧跟踪对象。检测器定位到目前为止观察到的所有外观，并在必要时更正跟踪器。学习估计检测器的错误并更新它以避免将来出现这些错误。该实现基于 [143] 。

Median Flow 算法（请参阅 cv::TrackerMedianFlow）被选择作为此实现中的跟踪组件，遵循作者。跟踪器应该能够处理快速运动、部分遮挡、对象不存在等。

成员函数文档

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

从跟踪列表中更新所有跟踪器，通过优化的更新方法为目标找到新的最可能的边界框，该方法使用一些技术来加速 MO TLD 的计算。唯一的限制是所有目标边界框应具有大致相同的纵横比。速度提升约为 20%。

参数

image 当前帧。

返回: True 表示所有目标都已定位，false 表示跟踪器无法在当前帧中定位其中一个目标。请注意，后者并不意味着跟踪器已失败，可能目标确实从帧中丢失（例如，超出视线）

此类文档由以下文件生成