利用meanshift算法来进行目标跟踪，包含matlab和opencv版本，经过测试，代码能运行，如果要使用请自行修改里面的路径

-*- vi: set ts=8:* $Id: tilt.c,v 1.1 2003/07/09 18:23:29 john Exp $** 1 dimensio

1.简介.2. 方法 .2.1 状态估计 .2.2 匹配问题.2.3 级联匹配.2.4 表观特征.3. 实验 .4. 总结 .多目标跟踪快速入门教程5. 参考

SiamMask： 快速在线目标跟踪与分割的统一方法-附件资源

基于卡尔曼滤波改进的MTCNN网络人脸检测算法.pdf

超级经典的线性滤波入门书籍 北航著名张有为著 对初学者来说有手把手的赶脚

项目中包括锂电池模型建立、参数辨识与验证、SOC估计采用扩展卡尔曼滤波(EKF)，使用了两种方式实现： Simulinks(EKF only) 脚本(包含EKF和UKF)

针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题，提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图，并对图中阴影采用一种简化去除算法，即判断前景像素时，将HSV分量用加权的形式描述，而不必对各个分量依次判断。对前景图提取观测值时，引入了合并处理算法，将分裂的多个矩形检测框进行合并。然后，利用推理的方法将前景观测值与目标关联，用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失，并能够解决多目标冲突、合并和分离等问题。

煤矿工作环境复杂,对采煤机的精确定位难度较大。传统的惯导定位器定位时误差较大,且随着时间积累无法消除,影响定位精度。利用卡尔曼滤波算法对惯导定位器获得的数据进行处理,通过不断修正系统设定状态参数与实际状态参数之间的误差,实现对采煤机的精确定位。分析扩展卡尔曼算法的特点和优势,并将其应用到惯导定位器中,对采煤机进行仿真实验,对比滤波前后的系统定位精度,滤波后误差消除效果明显,值得进一步研究。

平方根无迹卡尔曼滤波算法程序 360 平方根无迹卡尔曼滤波算法程序 欢迎下载