Tracking-Learning-Detection一、TLD算法简介二、TLD框架结构三、P-N学习四、TLD算法实现一、TLD算法简介一、TLD算法简介一、TLD算法简介二、TLD框架结构三、P-N学习四、TLD算法实现二、TLD框架结构二、TLD框架结构一、TLD算法简介二、TLD框架结构三、P-N学习四、TLD算法实现三、P-N学习P-N学习结构图三、P-N学习P-Nexperts的设计：P-Nexperts的设计：P-Nexperts的产生样本的例子：一、TLD算法简介二、TLD框架结构三、P-N学习四、TLD算法实现四、TLD算法实现(1)在任意时刻，被跟踪目标都可以用其状态属性来表示。该状态属性可以是一个方框或一个指示目标是否可见的标记。方框由它的位置和尺度来决定，有固定的长宽比。两个方框的空间相似度由重叠度来量化，定义为两个方框交集与并集之比。任意给定一个图像片P和目标模型M，我们定义几个量化指标：2.跟踪模块--Tracker2.跟踪模块--Tracker2.跟踪模块--Tracker3.检测模块--Detection检测模块使用级联分类器（Cascsdedclassifier）来判断输入的图像块中是否还有目标，划分为三个模块：生成像素比较对后验概率分布3.3最近邻分类器4.综合模块--Integrator5.学习模块--Learning5.学习模块--LearningTracking-Learning-DetectionThankyou!演讲完毕，谢谢观看！