【AI科技大本营导读】目前，计算机视觉是深度学习领域最热门的研究领域之一。计算机视觉实际上是一个跨领域的交叉学科，包括计算机科学（图形、算法、理论、系统、体系结构），数学（信息检索、机器学习），工程学（机器人、语音、自然语言处理、图像处理），物理学（光学 ），生物学（神经科学）和心理学（认知科学）等等。许多科学家认为，计算机视觉为人工智能的发展开拓了道路。那么什么是计算机视觉呢？这里给出了几个比较严谨的定义：“对图像中的客观对象构建明确而有意义的描述”（Ballard＆Brown，1982）“从一个或多个数字图像中计算三维

针对在目标跟踪系统中通常使用量测转换方法将球面坐标系下的量测量转换到笛卡尔坐标系下, 传统量测转换方法在互距离测量误差增大时跟踪性能有所下降的问题, 提出一种基于卡尔曼滤波预测的无偏量测转换方法. 采用无偏量测转换方法变换量测量, 基于卡尔曼滤波预测值, 结合无迹变换算法估计转换量测方差. 仿真结果表明, 所提出的转换量测卡尔曼滤波算法较现有方法具有更高的跟踪精度和可信度.

基于IMM算法的目标跟踪

卡尔曼滤波在雷达目标跟踪中的应用 matlab程序

大数据-算法-非线性观测条件下的目标跟踪及其解耦技术研究.pdf

模拟2d激光雷达扫描目标所产生的量测点，用于目标跟踪。

人工智能-机器学习-靶场动态目标跟踪测量及计算机辅助方法的研究刘缠牢.pdf

安全技术-网络信息-智能传感器侦察网络中的目标跟踪算.pdf

FairMOT 单次多对象跟踪的简单基准： ，张以夫，王春雨，王兴刚，曾文俊，刘文宇arXiv技术报告（ ） 抽象的 近年来，作为多目标跟踪的核心组件的目标检测和重新识别取得了显着进展。但是，很少有人关注在单个网络中完成两项任务以提高推理速度。沿此路径进行的初始尝试最终导致结果降低，这主要是因为未正确学习重新标识分支。在这项工作中，我们研究了故障背后的根本原因，并因此提出了解决问题的简单基准。在30 FPS时，它的性能明显优于MOT挑战数据集上的最新技术。我们希望这个基准可以启发并帮助评估该领域的新想法。 消息 （2020.09.10）FairMOT的新版本发布了！ （在MOT17上为73.7 MOTA） 主要更新 我们使用自我监督的学习方法在CrowdHuman数据集上对FairMOT进行了预训练。 要检测图像外部的边界框，我们使用左，上，右和下（4通道）来替换WH头（2通道）。

对运动目标进行视觉跟踪是机器人技术、计算机视觉等领域研究的热点之一。首先就跟踪技术的研究历史和现状进行回顾和分析，论述按照基于目标区域的跟踪、基于目标特征的跟踪、基于变形模板的跟踪和基于目标模型的跟踪四个分支分别展开；其次，对人们在该领域研究所面临的难点进行了归纳和总结；最后对分形理论和生物视觉在跟踪策略中的应用前景进行了展望。