眼动仪设置 设置屏幕注视信息，以进行。 旨在在没有耳机的情况下提供身临其境的真实感。 同样，使用此产品，屏幕和身临其境的体验之间没有任何隔stands。 因此，我们的临床医生将在不干扰设备的情况下进行工作。 该存储库包括用于设置眼动追踪程序的功能，包括：（i）眼动追踪器的校准； （ii）寻找眼位； （iii）确认眼动仪校准设置。 它在TobiiHelper类中包含与新的 配合使用的功能，以及必不可少的Eye-Tracking例程。 该仓库是所做的工作的一部分，，一个调研组和 ，双的 。 该项目还涉及的合作。 和都是的IST 联合实验室。 引用 我们恳请利用该资料库在其相关出版物中引用该资料的科学研究和研究。 同样，我们要求使用资源库的开放源代码和封闭源代码作品来警告我们这种使用。 您可以使用以下BibTeX条目来引用我们的工作： @article{CALISTO202110260

利用Haarcascade所建立的脸部特征模型，对OpenCV处理过的帧图像实现脸部检测。之后，根据识别到的区域，来确定所识别到物体的中心点。根据物体的中心点和视频画面的中心点之间的误差，可以确定出转动的方向。最后通过与Arduino互联完成舵机的驱动，并实现摄像头对主体脸部的跟踪。

D400的手部跟踪样本 平台 建置状态 Visual Studio 2017 从 修改了dcam.h中的相机包装器和主要代码中的某些部分，以使用librealsense2，以便实时手部跟踪器可以与Intel:registered:RealSense:trade_mark:D400系列相机一起使用 注意：... / third_party / librealsense2 / librealsense.vc15 / Release-x64 / realsense2.lib是使用发行版x64在vs2017上构建的

马里奥matlab代码不确定环境中的安全轨迹跟踪 该存储库包含所有Matlab代码，这些代码可生成如下所示的仿真结果 仓库结构： safe_trajectory_tracking # root ├── code # simulation code │ ├──run_all_experiments.m │ ├──utils # utility functions │ ├──vehicle # simulation in Section IV-A │ ├──double_integrator # simulation in Section IV-B │ └──robotic_manipulator # simulation in Section IV-C └── writing # paper preprint Matlab（2020b / 2021a） 依存关系 模拟完全用Matlab编写，并且需要在Matlab路径中包含以下软件包/工具箱： 模拟 要生成仿真数据并绘制结果，请将Matlab中的当前文件夹设置为code ，然后为每个仿真运行以下Matlab脚本。 结果将存储在将要生成的d

自主无人机进行对象跟踪 任务是创建一种自动驾驶无人机，该无人机能够将目标对象保持在其视线中央的某种受限运动下，从而有效地对其进行跟踪。 通过使用模拟器获取被跟踪对象的实时位置（在AirSim中为Car），可以完成对象跟踪。 这种情况可能不切实际，因为在大多数情况下都不可能获得被跟踪对象的精确位置，但是足以验证受约束运动中的自动跟踪的假设。 但是，使用计算机视觉和基本几何形状的技术，可以在已知高度，标高和焦距的情况下从捕获的帧中估计对象的位置。 依存关系 张量流 OpenCV（可选） AirSim（定制货叉） 安装说明 运行git clone --recursive https://github.com/kshitiz38/autonomous_drone_for_tracking.git 注意：如果未使用--recursive标志进行克隆，请手动运行以下代码git submodule

target tracking using kalman.zip

CVPR 2017的目标跟踪论文：Discriminative Correlation Filter with Channel and Spatial Reliability(CSR-DCF)，包含官方源代码、论文以及补充材料

该算法在GITHUB上，我们将该代码重新编译了，并增加了需要的库 opencv2.4.2 有问题可以 ： yfyg3896@sina.com

视频流的实时对象跟踪和检测 先决条件： OpenCV3.4 盗用者 在此处下载权重并将其放置在model_data /中 参数： $python3 src/main.py -h usage: main.py [-h] [--input INPUT] [--output OUTPUT] --model MODEL [--config CONFIG] [--classes CLASSES] [--thr THR] Object Detection and Tracking on Video Streams optional arguments: -h, --help show this help message and exit --input INPUT Path to input image or video fil

用卷积滤波器matlab代码细胞追踪 使用具有多任务学习功能的深度神经网络进行细胞跟踪 版权所有（C）陶和，华茂和张艺。 版权所有。 该代码基于王乃炎，感谢他分享了他的代码。 CNN源代码来自matlab工具箱。 抽象的 细胞跟踪在生物医学和计算机视觉领域起着至关重要的作用。 由于细胞通常在显微镜图像中具有频繁的变形活动和较小的尺寸，因此在实践中跟踪非刚性和非重要细胞非常困难。 传统的视觉跟踪方法在跟踪刚性和重要视觉对象方面具有良好的性能，但是，它们不适合用于单元跟踪问题。 在本文中，提出了一种使用卷积神经网络（CNN）以及多任务学习（MTL）技术的新型细胞跟踪方法。 CNN可学习可靠的信元功能，而MTL可提高跟踪的泛化性能。 提出的细胞跟踪方法包括粒子过滤器运动模型，多任务学习观察模型和优化的模型更新策略。 在训练过程中，使用MTL技术将细胞跟踪分为在线跟踪任务和伴随的分类任务。 观察模型是通过构建CNN来学习鲁棒的细胞特征而进行训练的。 通过在显微镜图像序列的第一帧中分配细胞位置来启动跟踪过程。 然后，将粒子过滤器模型应用于在后续帧中生成一组候选边界框。 训练后的观察模型提供对应于