基于地标检测和跟踪的 JavaScript/WebGL 轻量级健壮的人脸跟踪库 这个 JavaScript 库从使用 WebRTC 捕获的网络摄像头视频源实时检测和跟踪人脸。 然后可以为增强现实应用覆盖 3D 内容。 这个库是轻量级的，它不包含任何 3D 引擎或第三方库。 我们希望保持它与框架无关，因此库的输出是原始的：如果检测到人脸，检测到的人脸的位置和比例以及旋转欧拉角。 面部标志位置也在神经元网络输出中。 检测到的关键点的数量和神经元网络的准确度/权重之间仍然存在平衡：关键点越少，检测准确度越好，因为神经元网络可以更加集中。 目录 引擎盖下 兼容性 执照 参考 特征 以下是该库的主要功能： 人脸检测， 人脸追踪， 人脸旋转检测， 面部标志检测， 多人脸检测和跟踪， 在所有照明条件下都非常坚固， 具有高清视频能力的视频采集， 移动友好。 建筑学 /demos/ :

CNN-检测-跟踪 用于车辆检测和跟踪的python脚本

移动机器人运动目标检测与跟踪系统

针对传统动态规划检测前跟踪算法仅适用于匀速直线运动目标或慢机动目标的局限性，提出了一种将交互式多模型（IMM）滤波与基于动态规划的检测前跟踪算法相结合的机动目标处理算法。该算法应用于近程毫米波雷达探测环境下，根据被测目标的实际运动情况建立了匀加速运动、匀速转弯运动及匀速运动模型，在动态规划算法基础上考虑了多种运动模型以及模型之间的转换和预测，避免了因模型不匹配导致的跟踪效果变差的问题。仿真结果显示，相比于传统动态规划检测算法，该算法能够更加有效地实现对机动目标的检测和跟踪，适于工程应用。

该算法实现基于粒子滤波的检测前跟踪算法，利用该算法可实现雷达弱小目标 检测跟踪。检测前跟踪算法是指对雷达数据不进行CFAR，在检测的同时进行跟踪。

本科毕业设计实现了目标跟踪和目标检测，为了方便交互还设计了应用界面

实时目标检测与跟踪系统的设计与实现。。。。。。。。

使用OPENCV，采用多种图像处理技术，使用C++语言，对乒乓球进行跟踪

随着全球经济的飞速发展，世界范围内车辆数目也在快速增加，同时智能交通管理系统（ITS）[1]在道路交通管理中的应用越来越广泛。车辆检测与跟踪系统作为智能交通管理系统中的重要环节，负责识别监控视频中的车辆并对其进行跟踪，实时获取车速并判断其是否违章，其广泛的应用前景和潜在的商业价值已经引起国内外学术界和企业界的极大关注。

论文：基于OpenCV的视频道路车辆检测与跟踪（40页+），有需要的可以下载，不吹不黑。