亚洲国产精品第一区二区三区-日本大骚b视频在线-国产福利酱国产一区二区-国产裸体xxxx视频

　　與起始待跟蹤目標(biāo)圖像相似的圖像塊，均被加入到在線模型;

　　如果當(dāng)前幀的跟蹤目標(biāo)圖像與前一幀的相似，則將當(dāng)前的跟蹤結(jié)果圖像加入到在線模型;

　　TLD智能檢測(cè)技術(shù)分析

　　計(jì)算跟蹤軌跡上的目標(biāo)圖像到在線模型間的距離，選擇具有特定模式的目標(biāo)圖像，即起初目標(biāo)圖像與在線模型的距離較小，隨之距離逐漸增大，而后距離又恢復(fù)成較小狀態(tài)。循環(huán)檢驗(yàn)是否存在這種模式，并將該模式內(nèi)的目標(biāo)圖像加入到在線模型。

　　增長(zhǎng)事件的特征選擇方式，保證了在線模型始終緊隨跟蹤目標(biāo)的最新狀態(tài)，避免因模型更新不實(shí)時(shí)所導(dǎo)致的跟蹤丟失。其中最后一種選擇策略也是TLD技術(shù)的特色之一，它體現(xiàn)了自適應(yīng)跟蹤的特性。當(dāng)跟蹤發(fā)生漂移時(shí)，跟蹤器會(huì)自動(dòng)適應(yīng)背景，而不會(huì)很突然地轉(zhuǎn)移到跟蹤目標(biāo)上。

　　修剪事件假設(shè)每幀只有一個(gè)目標(biāo)，當(dāng)跟蹤器和檢測(cè)器都認(rèn)可目標(biāo)位置時(shí)，剩余的檢測(cè)圖像就被認(rèn)為是錯(cuò)誤樣本，從在線模型中刪除。

　　在線模型中的樣本為TLD的學(xué)習(xí)過程提供了素材。另外，TLD在訓(xùn)練生成分類器(隨機(jī)森林)的過程中，采用了兩種約束：P約束和N約束。P約束規(guī)定與跟蹤軌跡上的目標(biāo)圖像距離近的圖像塊為正樣本;反之，為負(fù)樣本，即為N約束。PN約束降低了分類器的錯(cuò)誤率，在一定的范圍內(nèi)，其錯(cuò)誤率趨近于零。