为提高相关滤波(CF)跟踪算法的稳健性，并克服传统CF方法无法处理目标尺度变化以及未利用图像颜色特征等问题，提出了一种基于融合颜色特征的尺度自适应相关滤波改进跟踪算法。首先，将目标搜索区域从3原色(RGB)颜色空间转换到Lab颜色空间，提取搜索区域的Lab 3通道颜色特征；然后，融合Lab颜色特征与方向梯度直方图(HOG)特征得到多通道特征，利用核相关滤波(KCF)计算输出响应图并寻找图中最大响应位置即目标位置；最后，基于Lab颜色特征建立尺度模型，从当前帧的目标位置处截取不同尺度图像块，通过将其与尺度模型比较得到目标尺度最优估计。实验选取35段公开彩色视频序列进行测试，并将所提算法与其他5种跟踪性能较好的跟踪方法进行对比。实验结果表明，所提方法对彩色视频序列中的目标遮挡、变形、尺度变化等现象具有良好的适应性，其平均性能优于对比方法，同时具有76 frame·s-1的实时跟踪速度。

随着焊接传感技术以及信号处理技术的快速发展，人们越来越注重对焊接过程质量控制的研究，而多传感器信息融合技术是焊接质量控制的一种重要的方法，采用该技术实现熔化极气体保护焊(MIC)脉冲焊接质量的自动控制。该技术采用了视觉传感器和电弧传感器将采集的不同的描述信息进行了有效的特征提取和传输，并运用多传感器信息融合算法进行焊缝的跟踪。视觉传感器利用工业电荷耦合元件(CCD)获取图像信息控制焊炬的横向偏差信息，电弧传感器利用数据采集卡获取电流信息控制焊炬的高度互补偏差信息和横向的冗余信息，将两种传感器得到的冗余信息

复杂环境下的快速逆行检测跟踪算法 本文在光流方法研究的基础上,提出了结合速报和 精报的快速逆行检测算法,并通过对比实验,验证了结 合速报和精报的快速逆行检测算法在改善光流法的漏报和误报率,提高实时性,降低资源占用率等方面的有效性以及对类似地铁站这种人员密集的场所的实用性。

智能视频监控中目标跟踪算法研究及应用

一个自己写的利用MFC来实现OPENCV中函数的小程序.把OPENCV中人脸检测与camshift跟踪算法加了进去

UKF无际Kalman滤波在目标跟踪中的应用，MATLAB仿真实验

针对传统核相关滤波器（KCF）跟踪算法受光照变化、严重遮挡和出视野等因素影响，出现目标丢失现象时，跟踪器会将背景信息作为目标继续进行跟踪而不能重新定位目标的问题，在KCF的基础上，引入异常值检测方法作为目标丢失预警机制，同时，提出了目标丢失重检测定位机制。方法对每帧的峰值进行检测，发现异常峰值，则判定目标丢失或即将丢失，预警机制发出警告，停止目标模板更新，启动目标丢失重检测定位机制，在全帧搜索定位目标。实验结果表明，改进的算法精确度为0.751，成功率为0.579，较之传统KCF跟踪算法分别提高了5.77%和12.43%。解决KCF跟踪器在目标丢失后不能重新找回目标继续跟踪的问题，提升了跟踪算法的性能，实现了长期跟踪。

针对多站纯方位目标跟踪与定位问题,给出了一种基于一致性的分布式无迹卡尔曼滤波算法(CDUKF,Consensus-based Dis-tributed Unscented Kalman Filter)。各观测站利用本站和邻接站点信息获得目标状态的局部估计,其次利用联邦滤波器的加权原则和一致性算法,通过相邻观测站之间的局部信息交换获得目标状态的更高精度估计,并提出通过利用各站历史状态信息以改善算法的收敛速度。仿真结果表明论文所提出的算法能够实现多站纯方位被动跟踪,估计结果可接近传统集中式融合的跟踪精度。

基于IMM-SCKF-STF的机动目标跟踪算法

OPENCV基于颜色的跟踪算法，获取颜色质心