Python CSRT算法不更新目标

我正在使用OPENCV内置跟踪器CSRT进行目标检测和跟踪，我发现它最适合使用，但我有一个问题，当目标离开帧时，它在他跟踪的最后位置仍然有一个边界框，当目标返回帧时，它不跟踪它。从OPENCV文档中，我知道这是短期跟踪器，但有没有办法知道目标现在不在我使用此命令的帧中

success, boxes = multiTracker.update(frame)
print("Success",success)

---

要知道它是否会生成false，但不会。我必须使用这个算法进行实时跟踪。此外，我不愿意使用像Yolo或TF这样的高级ML库，因此如果有人可以帮助我使用它或使用更好的跟踪器。

我也在使用openCV（C++）的CSRT跟踪器。 在我看来，你有两个选择：

1） 您可以编写一个算法来检测对象是否仍在边界框中。要做到这一点，您可以从openCV的跟踪模块（cf

CSRTImpl:：estimate\u new\u position

）的trackerCSRT.cpp中实现的方法中获得灵感。在此函数中，params.psr_threshold表示被跟踪对象是否丢失的阈值。因此，如果编写类似的算法，您将能够确定对象是否不在边界框中（在该算法中，围绕<强> PSRYValue<<强> > 0.1，您可以考虑丢失它）

2） 我建议的第二个选项是使用函数CSRT:：create（const CSRT:：Params¶meters）初始化CSRT跟踪器，并将更高的值传递给psr_阈值（例如0.1），以便拥有更敏感的跟踪器。在这种情况下，您的跟踪器将不会继续跟踪空白区域，但将返回false（目标丢失），这已经是一种改进。 根据您的应用程序，您需要实现一些功能，以便在视频中再次找到目标。现在，这被称为长期跟踪

---

祝你好运

我还在使用openCV（C++）的CSRT跟踪器。 在我看来，你有两个选择：

1） 您可以编写一个算法来检测对象是否仍在边界框中。要做到这一点，您可以从openCV的跟踪模块（cf

CSRTImpl:：estimate\u new\u position

）的trackerCSRT.cpp中实现的方法中获得灵感。在此函数中，params.psr_threshold表示被跟踪对象是否丢失的阈值。因此，如果编写类似的算法，您将能够确定对象是否不在边界框中（在该算法中，围绕<强> PSRYValue<<强> > 0.1，您可以考虑丢失它）

2） 我建议的第二个选项是使用函数CSRT:：create（const CSRT:：Params¶meters）初始化CSRT跟踪器，并将更高的值传递给psr_阈值（例如0.1），以便拥有更敏感的跟踪器。在这种情况下，您的跟踪器将不会继续跟踪空白区域，但将返回false（目标丢失），这已经是一种改进。 根据您的应用程序，您需要实现一些功能，以便在视频中再次找到目标。现在，这被称为长期跟踪

---

祝你好运

你能在python中找到这个吗？根据文档，CSRT:：create（const CSRT:：Params¶meters）的python等价函数是retval=cv.TrackerCSRT_create（），因此你不能在python中使用自己的参数初始化。因此，这意味着解决方案2不适合您。解决方案是在Python中编写一个算法来检测跟踪器何时丢失了目标（通过C++算法的启发，但它相当长，不确定你有Python中所有的功能可以这么做）。抱歉，openCV Python中的跟踪器的实现是有限的！你能在python中找到这个吗？根据文档，CSRT:：create（const CSRT:：Params¶meters）的python等价函数是retval=cv.TrackerCSRT_create（），因此不能在python中使用自己的参数初始化。因此，这意味着解决方案2不适合您。解决方案是在Python中编写一个算法来检测跟踪器何时丢失了目标（通过C++算法的启发，但它相当长，不确定你有Python中所有的功能可以这么做）。抱歉，openCV Python中的跟踪器的实现是有限的！