为了识别检测器的错误并从中学习，TLD使用了一种新的学习方法（P-N学习），可以通过一对“专家”来估计错误：P-专家和N-专家。P-专家对错过的检测进行估计，而N-专家对错误的警告进行估计。将估计出的错误添加到检测器的训练集，然后通过重新训练检测器来避免之后发生这些错误。与其他过程相同，P-N专家也会自己出错。但是，如果专家的错误概率是在一定的限制内，误差项可以相互补偿，从而导致稳定地学习。
TLD算法适用于单目标长时间跟踪。它把传统的跟踪算法和检测算法相结合，以解决目标在跟踪过程中发生的形变、遮挡、光照变化等问题。同时，TLD算法引入了一种在线学习机制，用于更新跟踪模块中特征点和检测模块中的目标模型，使跟踪效果更加鲁棒，准确性更高。TLD算法吸引了许多国内外学者的研究和改进，并被广泛应用于多个领域。 面向监控视频的行人跟踪算法设计与实现(4):http://www.youerw.com/jisuanji/lunwen_19633.html