目标检测complex_yolov4权重（已训练模型）

作者：付饶，管业鹏 摘要：为有效跟踪视频网球运动,提出了一种基于卡尔曼滤波预测的粒子滤波网球运动跟踪方法.基于多尺度小波变换在时域和空域均具有优异的局部化特征,将相邻帧视频图像进行差分,提取反映前景运动的目标特征信息,克服光照变化以及网球运动尺度随时不断变化的不利因素影响;同时,基于网球场地结构化特性,排除场地外不利干扰因素影响.在此基础上,采用卡尔曼滤波对粒子进行预测和修正,将当前观测信息融入到粒子滤波过程中,估计预测粒子状态的均值和协方差,使动态粒子更加接近其后验概率分布,从而提高网球运动目标的跟踪精度.通过与同类方法在不同网球公开赛的定量对比,实验结果表明,所提方法能有效跟踪视频网球运动目标.展开 关键词：网球跟踪 粒子滤波 卡尔曼滤波 多尺度小波变换 预测 DOI： 10.3969/j.issn.1005-9490.2019.04.031 年份： 2019

包含的文件如下: haarcascade_eye.xml haarcascade_eye_tree_eyeglasses.xml haarcascade_frontalface_alt.xml haarcascade_frontalface_alt_tree.xml haarcascade_frontalface_alt2.xml haarcascade_frontalface_default.xml haarcascade_fullbody.xml haarcascade_lefteye_2splits.xml haarcascade_lowerbody.xml haarcascade_profileface.xml haarcascade_righteye_2splits.xml haarcascade_smile.xml haarcascade_upperbody.xml

完全配置好的opencv插件，无需多余设置，下载即用。

1、参考资料 https://blog.csdn.net/jbossjf/article/details/122650022?spm=1001.2014.3001.5501 2、需要用MVTec Deep Learning Tool - Early Adopter (system) 工具标注特征

【V1.0】基于树莓派的OpenCV-Python摄像头人脸追踪系统 文章： https://blog.csdn.net/weixin_53403301/article/details/122898050

本资源为OpenCV CLAHE源代码改造而成： 1、去除了OPENCL处理相关的代码； 2、将其改造成了一个可以独立执行的程序； 3、增加了详细注释，在现有网上公开资料中没有如此详细透彻的注释。

1.采用长边表示法 2.包含切割后的原始数据集和标签 gap=200 subsize=1024 3.包含yolo格式标签对应的可视化示例 4.自动删除了没有目标的图像

opencv-3.1.0中opencv_world310d.lib

opencv-3.1.0.exe VS2015显示一张图片