基于Opencv的红外运动目标识别与跟踪，内附红外演示与源代码。

用Adaboost+PCA进行特定的目标识别

目标识别领域顶刊论文合集21篇，主要为模式识别、多分类，雷达目标识别

基于双目立体视觉的目标识别与定位, 基于双目立体视觉的目标识别与定位

本文主要研究基于机器视觉和深度学习的目标识别与定位，为传统工业机器人加 入视觉系统，实时监测加工对象的信息，应用机器视觉和深度学习的理论与方法对这 些信息进行处理，提高机器人的智能化水平。实验平台为本实验组搭建的基于机器视 觉的六自由度机械臂控制系统，如图 1.1 所示。系统主要包括双目摄像机、六自由度 机械臂、摄像机标定及测量子系统、机械臂控制子系统以及目标识别与定位子系统。 双目摄像机由两个相同配置的 CCD 相机组成，充当机器人的眼睛；六自由度机械臂 充当机器人的手臂，移动抓取物体；目标识别与定位系统安装在一台带有 GPU 的服 务器上，提供图像目标检测的接口服务；摄像机标定及测量系统采集视场图像，将图 像提交到目标识别与定位系统，根据其返回的物体分类信息及定位信息，计算物体三 维坐标，控制机械臂移动并抓取目标。

提供了一套完整的方案，包括图像处理和图像识别，可以拿来尝试并fine tune一下

本文提出了一种从图像中提取独特不变特征的方法，可用于完成不同视角之间目标或场景的可靠匹配的方法。这种特点对图像的尺度和旋转具有不变性。并跨越很大范围的对仿射变换，三维视点的变化，添加的噪音和光照变化的图像匹配具有鲁棒性。特征是非常鲜明的，场景中的一个单一特征和一个许多图像的大型特征数据库也有很高的概率进行正确匹配。本文还介绍了一个使用该功能来识别目标的方法。通过将个别特征与由已知目标特征组成的数据库进行快速最近邻算法的匹配，然后使用Hough变换来识别属于单一目标的聚类（clusters），最后通过最小二乘解执行一致的姿态参数的核查确认。这种识别方法可以在有力确定对象之间的聚类和遮挡的同时实现近实时性能。

：提出一种ＳＡＲ图像目标识别新方法。首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空 间域和变换域去噪的优势，滤波性能优异。在特征提取步骤，将低阶 Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗 略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。使用组合矩特征训练 ＳＶＭ 分类器，对含噪的ＳＡＲ图像进行识别实验。实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目 标识别方法

基于FPGA的运动目标识别与追踪(内附全部代码)v1-1可目标追踪。。。。

运行非常好，由于文件太大，请自己下载yolov3.weights添加到yolo-coco文件夹下面