压缩跟踪(CT)代码详细学习0

接下来我想比对CT那篇文章(http://blog.csdn.net/ikerpeng/article/details/19826409)的代码,逐行的解释,逐行的敲代码并最终实现。希望通过这个过程提高我的C编程的能力,以及对于目标跟踪的框架更进一步熟悉。希望对于后面的研究打下好的基础。

当然我会从各个模块的角度来书写,这样思路更加的清晰一点。大致的思路如下:

1中主要包括两个函数,扩充正负样本的函数,原理参见http://blog.csdn.net/ikerpeng/article/details/19826409

1.1是完成1中的操作以后要调用的函数,用于计算样本的haar-like特征。主要包括两个函数,计算haar-like特征的矩形框以及权重的函数以及用于计算haar-like特征的值的函数;

2基本上就通过调用上面的函数实现了。

3中主要包括使用贝叶斯模型构造分类器的函数以及分类器更新的函数;

4中是预测目标位置的函数;

5中则是通过得到的位置处理下一帧图片的函数。

当然除了上面的函数以外,还需要一个使得跟踪器运行起来的函数。这个在最后面再实现。接下来我们就一步一步的实现它吧!

压缩跟踪(CT)代码详细学习0

时间: 2024-10-05 02:21:15

压缩跟踪(CT)代码详细学习0的相关文章

压缩跟踪(CT)代码详细学习_模块1(样本的采集和扩充)

本章主要详解的是compressive tracking框架中的第一部分:样本的采集和扩充部分. 在开始代码学习的前面,你需要知道的理论知识参见论文:Real-time Compressive Tracking.理论理解可以参见我的博客:http://blog.csdn.net/ikerpeng/article/details/19826409 . 这个模块中你需要知道一个基本的概念:代码里面几个变量指的是什么.上一张图: 也许你现在还不知道他们是什么,直接贴代码了.相信有我的注释你一定会懂的.

压缩跟踪(CT)代码详细学习_模块2(特征的提取和计算)

0.下载安装Opencv,当前版本为249. 1.下载Python,当前OPencv版本为249,不过其支持的最新版本的Python为2.7,所以可以下载276版本. 2.下载numpy,开始我使用了1.6,没有通过,错误如图.下载了最新的1.8.1版本. 3.将Opencv安装目录下opencv\build\python\2.7\x86中的cv2.pyd复制到python安装目录Lib\site-packages下. 4.找到opencv源文件内的draw.py运行. 压缩跟踪(CT)代码详细

压缩跟踪(CT)代码逐行学习

接下来我想比对CT那篇文章(http://blog.csdn.net/ikerpeng/article/details/19826409)的代码,逐行的解释,逐行的敲代码并最终实现.希望通过这个过程提高我的C编程的能力,以及对于目标跟踪的框架更进一步熟悉.希望对于后面的研究打下好的基础. 当然我会从各个模块的角度来书写,这样思路更加的清晰一点.大致的思路如下: 1中主要包括两个函数,扩充正负样本的函数,原理参见http://blog.csdn.net/ikerpeng/article/detai

快速压缩跟踪(CT)算法剖析

Fast Compressive Tracking (快速压缩跟踪) 虽然目前有很多种的跟踪算法,但是由于姿态的变化.光照的变化.障碍物等原因的存在,导致很多算法的鲁棒性不好. 目前比较主流的跟踪算法有两种,generative  tracking algorithms(生成跟踪算法)和discriminative algorithms(判别跟踪算法). 生成跟踪算法,顾名思义边生成边跟踪.即对这一帧的样本进行学习,将学习的结果作为下一帧的分类器,达到边学习跟踪,边跟踪边学习的效果.这种跟踪算法

压缩跟踪Compressive Tracking

好了,学习了解了稀疏感知的理论知识后,终于可以来学习<Real-Time Compressive Tracking>这个paper介绍的感知跟踪算法了.自己英文水平有限,理解难免出错,还望各位不吝指正. 下面是这个算法的工程网站:里面包含了上面这篇论文.Matlab和C++版本的代码,还有测试数据.demo等.后面我再学习学习里面的C++版本的代码,具体见博客更新. http://www4.comp.polyu.edu.hk/~cslzhang/CT/CT.htm 之前自己稍微学习了下稀疏感知

Android 服务类Service 的详细学习

上一篇说到了通知栏Notification,提起通知栏,不得让人想到Service以及BroadcastReceive,作为android的4大组建的2个重要成员,我们没少和它们打交道.它们可以在无形中使我们的软件和网络.数据库.系统等进行交互,之后通过UI(Notification就是一种展示方式)把结果展现在我们面前.可以说,他们是android生命体系里面的神经系统,通过反射条件让身体展现不同的状态.在整个系统中,广播接收器充当着是传输者和监听者的角色,它把系统的一点点变化都反馈上去,之后

[转载]用UglifyJS2合并压缩混淆JS代码——javascript系列

从零开始nodejs系列文章,将介绍如何利Javascript做为服务端脚本,通过Nodejs框架web开发.Nodejs框架是基于V8的引擎,是目前速度最快的Javascript引擎.chrome浏览器就基于V8,同时打开20-30个网页都很流畅.Nodejs标准的web开发框架Express,可以帮助我们迅速建立web站点,比起PHP的开发效率更高,而且学习曲线更低.非常适合小型网站,个性化网站,我们自己的Geek网站!! 关于作者 张丹(Conan), 程序员Java,R,PHP,Java

多尺度压缩跟踪_基于粒子滤波的应用

Tracking-by-detection的思想用discriminative外观模型来在线训练和更新分类器,对于采样的样本在分类器上获得的最大值标定为新目标.压缩跟踪(CT)是压缩域中的一种特征提取方法,然而其缺点是:1 使用固定的跟踪框来检测样本 2 采样半径固定,当运动机动性较大,采样不准确 3 学习因子固定 多尺度压缩跟踪讲CT与粒子滤波(PF:自举粒子滤波--bootstrap filter)结合.粒子滤波在非高斯.非线性贝叶斯模型的应用上较为突出,基于PF的跟踪通常使用轮廓(cont

Android调用JNI本地方法跟踪目标代码

正如Android调用JNI本地方法经过有点改变章所说跟踪代码是可行的,但是跟踪某些代码会出现anr,点击取消,还是不好运,有提高办法吗?回答是有(gdb还没试过,本文只讨论ida). 下面是我使用 0 * Message("%s = %d\n", GetString(Dword(R2+0x10),-1, ASCSTR_C), R2+0x20)打出的记录 enforceInterface = 1108147904writeInterfaceToken = 1108151492write