3.7 多目标识别 若场景中存在多个目标，则可以通过多目标识别和定位进一步提高精度。另 外，在跟踪过程中，若因为遮挡、光照等因素，某个目标跟踪失败后，还可以通 过其它场景中的目标继续实现定位，因此多目标识别可以提高算法鲁棒性。 Harris-SIFT 特征匹配 目标1目标 0 目标N 仿射检验 仿射检验 仿射检验 目标 0 目标 4 ⋯ 目标 N 成 功 失 败 成 功 目标数据库 终止 图 3-12 多目标识别示意图 Figure 3-12 Framework of multiple-object recognition 如图 3-12所示，和单目标识别一样，多目标识别也分为特征匹配、仿射检验、 模式识别三步，不同的是，需要对匹配特征点集合按目标分类，再依次对各个类 别进行仿射检验，以判断当前场景中是否存在某个目标，算法概括如下： 离线：使用 Harris-SIFT建立目标数据库 在线： 1. 从当前场景图像提取 Harris-SIFT特征点 2. 快速搜索近似最近邻居，得到匹配特征点集合 3. 将匹配特征点按目标类别分类

基于 SAR图像的目标检测是对 SAR 图像解译的重要环节之一。本文从 SAR图像的统计特性出发，对包括 SAR 图像统计特性描述，斑点噪声抑制，检测器设计等若干基于SAR 图像的目标检测关键问题进行了研究。

基于DSP的运动目标识别与跟踪系统基于DSP的运动目标识别与跟踪系统

（1）脑电信号进行带通滤波，滤波范围 3-40Hz。 （2）利用 FFT 或功率谱 periodogram 对每个试次每个通道的脑电信号进行频谱分析， 查看 7-15Hz 范围内最高峰值是多少，并与所给刺激频率比对，8 个通道投票最多的目标即为该试次所分类出来的目标结果。另外，也可考虑基倍频联合检测，从而提高目标识别准确率。 （3）对 20 个试次分别进行目标分类，根据频谱信息判断目标类别并与其真实标签 label 8进行比较，计算准确率。 （4）GUI 界面呈现滤波器的幅频响应；20 个试次一个通道的频谱图（可选一个识别率 高的通道），并标出峰值频率；呈现 20 个试次中每个导联目标分类类别，以及 8 导联联合目标识别结果。

该程序使用pyqt5进行界面设计，调用yolov5进行目标识别

该程序使用pyqt5进行界面设计，调用opencv人脸识别库进行目标识别

人脸检测样本库，可以用来训练分类器，拿去吧

python小目标识别航拍车流量检测统计航拍车辆计数yolov5 效果演示：https://www.bilibili.com/video/BV1VP4y1o7He/

该数据集中所有的鱼的图片都是从水下拍摄的视频中截取的，包含23个种类，总共27370张图像，但是像素很低。数据非常不平衡，其中最常见的鱼图片大约是最不常见鱼的1000倍。所有鱼的种类都有海洋生物学家手动标记。

labelimg安装教程 （1）基于pytinstaller打包的labelimg软件，可视性目标检测（VOC与yolo）格式的对角框标注。 （2）支持tif影像格式 （3）点击文件夹内的labeling.exe可运行。 （4）支持window7系统