Computer vision OpenTLD，它与其他目标检测方法有何不同？

对于那些听说过OpenTLD的人来说，它是如何在跟踪不同对象之间进行切换的？它一次只能跟踪一个对象，但是如果我在同一个视频源中训练了两个或多个对象，OpenTLD如何决定跟踪什么？在所有示例视频中，用户手动绑定要跟踪的对象，然后自动跟踪

是否仅将其视为对象跟踪器？而不是物体识别系统？我对此有点困惑

对于我的应用程序，我可以一次跟踪/检测一个对象，但前提是我可以选择切换到跟踪另一个对象

例如，在类似Haar的功能设置中： 1.我有一个杯子和一本书，用了一些正反两方面的知识 2.启动我的Haar识别软件，该软件将拿起杯子和书，并用正确的标签突出显示它们

理想情况下，我认为/希望/希望OpenTLD做到的是： 1.使用编译的exe，在视频中绑定cup，跟踪和学习 2.下一本视频、跟踪和学习装订书籍 3.在一个包含书和杯子的视频提要中，我告诉程序告诉我它可以在实时视频提要中检测到的所有对象。 4.程序告诉我它检测到杯子和书，并给我跟踪其中一个的选项

这是否可行

看看这篇论文：