标题:
TLD代码分析全过程 （转）(5)
[打印本页]
作者:
yuyang911220
时间:
2016-8-24 17:25
标题:
TLD代码分析全过程 （转）(5)
6.3
、综合模块：
TLD
只跟踪单目标，所以综合模块综合跟踪器跟踪到的单个目标和检测器可能检测到的多个目标，然后只输出保守相似度最大的一个目标。具体实现过程如下：
（
1
）先通过
重叠度
对检测器检测到的目标
boundingbox
进行聚类，每个类的重叠度小于
0.5
：
clusterConf(dbb, dconf, cbb, cconf);/////dbb
为前面检测模块经过
3
个检测器后的
detectstructure
（
2
）再
找到与跟踪器跟踪到的
box
距离比较远的类
（检测器检测到的
box
），而且它的相关相似度比跟踪器的要大：记录满足上述条件，也就是可信度比较高的目标
box
的个数：
if (
bbOverlap(tbb,cbb
)<0.5
&& cconf
>tconf) confident_detections++;
（
3
）判断
如果只有一个满足上述条件的
box
，那么就用这个目标
box
来重新初始化跟踪器（也就是用检测器的结果去纠正跟踪器）：
if (confident_detections==1) bbnext=cbb[didx];
（
4
）如果满足上述条件的
box
不只一个，那么就找到检测器检测到的
box
与跟踪器预测到的
box
距离很近（重叠度大于
0.7
）的所以
box
，对其坐标和大小进行累加：
if(bbOverlap(tbb,dbb
)>0.7) cx+= dbb
.x;……
（
5
）对与跟踪器预测到的
box
距离很近的
box
和
跟踪器本身预测到的
box
进行坐标与大小的平均作为最终的目标
boundingbox
，但是跟踪器的权值较大：
bbnext.x =cvRound((float)(10*tbb.x+cx)/(float)(10+close_detections));……
（
6
）另外，如果跟踪器没有跟踪到目标，但是检测器检测到了一些可能的目标
box
，那么同样对其进行聚类，但只是简单的将聚类的
cbb[0]
作为新的跟踪目标
box
（不比较相似度了？？还是里面已经排好序了？？），重新初始化跟踪器：
bbnext=cbb[0];
至此，综合模块结束。
下图还没有修改
6.4、学习模块learn(img2);
学习模块也分为如下四部分：
6.4.1
、检查一致性：
（
1
）归一化
img(bb)
对应的
patch
的
size
（放缩至
patch_size= 15*15
），存入
pattern
：
getPattern(img(bb), pattern, mean, stdev);
（
2
）计算输入图像片（跟踪器的目标
box
）与在线模型之间的相关相似度
conf
：
classifier.NNConf(pattern,isin,conf,dummy);
（
3
）如果相似度太小了或者如果方差太小了或者如果被被识别为负样本，那么就不训练了；
if(conf<0.5)……
或
if(pow(stdev.val[0], 2)< var)……
或
if(isin[2]==1)……
6.4.2
、生成样本：
先是集合分类器的样本：
fern_examples
：
（
1
）先计算所有的扫描窗口与目前的目标
box
的重叠度：
grid
.overlap= bbOverlap(lastbox, grid
);
（
2
）再根据传入的
lastbox
，在整帧图像中的全部窗口中寻找与该
lastbox
距离最小（即最相似，重叠度最大）的
num_closest_update
个窗口，然后把这些窗口归入
good_boxes
容器（只是把网格数组的索引存入）同时，把重叠度小于
0.2
的，归入
bad_boxes
容器：
getOverlappingBoxes(lastbox, num_closest_update);
（
3
）然后用仿射模型产生正样本（类似于第一帧的方法，但只产生
10*10=100
个）：
generatePositiveData(img,num_warps_update);
（
4
）加入负样本，相似度大于
1
（因为是后验概率累加值），则加入
idx=bad_boxes
;
if(tmp.conf[idx]>=1) fern_examples.push_back(make_pair(tmp.patt[idx],0));
然后是最近邻分类器的样本：
nn_examples
：
if(bbOverlap(lastbox,grid[idx]) < bad_overlap)
nn_examples.push_back(dt.patch
);
6.4.3
、分类器训练：
classifier.trainF(fern_examples,2);
classifier.trainNN(nn_examples);
6.4.4
、把正样本库（在线模型）包含的所有正样本显示在窗口上
classifier.show();
至此，
tld.processFrame
函数结束。
欢迎光临 电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛 (http://bbs.eccn.com/)
Powered by Discuz! 7.0.0
