YoloV5_JDE_TensorRT_for_Track ##Introduction A multi object detect and track Library Based on tensorrt 一个基于TensorRT的多目标检测和跟踪融合算法库，可以同时支持行人的多目标检测和跟踪，当然也可以仅仅当检测库使用。 Video Demo

【滤波跟踪】Singer-Kalman模型下的机动目标跟踪算法含Matlab源码

pf与mpf多目标跟踪，主要用到的是phd模型，对于做这个东西的同学来说，有一定参考

目标跟踪 -- ocean论文中的 models -- OceanV.pth

传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感，这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性，但如何有效融合不同维度，不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型，在探究目标状态以及灰度特征相关性的基础上，将两种不同维度的特征进行有效融合，提升目标跟踪在复杂场景下的鲁棒性。

在机动目标的运动跟踪中,为了减小搜索区域,需要对下一时刻目标位置进行预测。本文以医疗康复领域中基于视频的运动分析为背景,针对二维平面中静止背景的运动目标提出一种基于数据融合的预测跟踪方法。首先采用多项式拟合算法和基于当前模型的改进卡尔曼滤波算法分别对运动目标进行位置预测,然后采用数据融合的方法得到最终的预测结果。最后用计算机仿真和实验对所提出的预测算法进行了验证,结果表明本文算法与多项式拟合和卡尔曼滤波算法相比,预测误差更小,跟踪精度更高。

智能视频监控中目标跟踪算法研究及应用

为了适应机器人足球视觉系统图像采集设备从早个到多个的改变，提高系统的跟踪成功率和速度。以信息融合技术为基本思路，提出了一种基于多传感器多目标跟踪的半自主足球机器人视觉跟踪方法。各跟踪模块对覆盖区域的目标进行航迹关联、滤波后再对各传感器信患进行融合得到所有目标单一的航迹。实验表明，该方法具有简单、有效，满足系统实时性要求等特点。

多尺度KCF目标跟踪C++代码，内附调用readme，KCF算法是一种优良的跟踪算法

视频目标跟踪同主要是对于视频图像中我们感兴趣的目标进行实时跟踪。 背景差分法是采用图像序列中的当前帧和背景参考模型比较来检测运动物体的一种方法,其性能依赖于所使用的背景建模技术。 在基于背景差分方法的运动目标检测中，背景图像的建模和模拟的准确程度，直接影响到检测的效果。不论任何运动目标检测算法，都要尽可能的满足任何图像场景的处理要求，但是由于场景的复杂性、不可预知性、以及各种环境干扰和噪声的存在，如光照的突然变化、实际背景图像中有些物体的波动、摄像机的抖动、运动物体进出场景对原场景的影响等，使得背景的建模和模拟变得比较困难。 背景差分法检测运动目标速度快，检测准确，易于实现，其关键是背景图像的获取。在实际应用中，静止背景是不易直接获得的，同时，由于背景图像的动态变化，需要通过视频序列的帧间信息来估计和恢复背景，即背景重建，所以要选择性的 关于该资源的详细功能，可私信博主，进一步了解！