该工程把yolov5与deepsort相结合，将yolov5算法识别出的目标进行唯一标记，适用于对视频中的移动目标进行实时的识别与追踪，使用opencv库中的算法进行撞线检测和计数，用户可以根据自己的需要更改相应的代码部分来满足实际开发过程中的不同需求，不用下载额外的资源包，直接使用yolov5的虚拟环境即可将本项目run起来，十分的好用

视频追踪ECO算法源代码以及ECO论文PDF

目标追踪篇---Yolov5_DeepSort_Pytorch复现 源代码修改可用，具体过程可看我的博客 https://blog.csdn.net/m0_46825740/article/details/121973155 修改后可以训练自己的数据，比较实用

利用opencv的多目标追踪算法，实现对视频中鼠标选取的多个对象进行跟踪处理，算法可以自行选择，现为kcf算法

由目标位置点获得轨迹段，目标发生交叉时即断开，MATLAB代码

目标追踪与姿态估计实战课程（2021最新），完整版10章下载 课程主要包括两大核心模块： 1.目标追踪算法及其项目实战； 2.姿态估计算法及其项目实战。 课程通俗解读算法核心知识点，并基于源码进行实战解读，详细分析源码构建与项目流程。基于真实数据集与实际任务进行项目实战。 目标追踪模块主要讲解YOLOV5检测算法与deepsort追踪算法，姿态估计模块主要讲解openpose系列算法，所有模块均提供PPT，数据与代码。

计算机视觉大作业 可以对视频中任意圈出来的东西追踪 可对单一或多目标追踪 内含训练代码

siamfc目标追踪算法训练模型，网络为alexnet，训练轮数为49轮。Fully-Convolutional Siamese Networks for Object Tracking ECCV2016

1.1 本文的研究背景及意义 近年来，随着数字电子技术的不断发展和计算机 CPU 性能的提高，基于图像处理的自 动监控技术在民用以及军用上有着大量的使用需求。传统的监控系统主要是通过一些传 感器等来实现数据的采集，许多重要的公共场所往往需要安装一些监控设施用来确保安 全，虽然通过摄像头可以在远处的地方观察受监控的环境情况，但是这种方法必须需要 有人长时间盯住显示器来获取图像信息，通过人脑的判断才能进行相应的识别。长时间 监控中，人很难达到一直聚精会神的状态，特别是在同时监控多台显示器时。因此，人 们对具有运动目标检测功能的监控系统的要求越来越迫切。为了解决这一问题，基于计 算机的辅助图像处理被广泛采用，一般通过计算机高级语言进行图像处理，实现对图像 中信息数据的采集和识别。从而提高监控效率。综上所述，运动目标检测技术可以大大 的减轻人类在监控方面的巨大工作压力。由于监控在各个场所可以实现不同的作用意义， 应用广泛，所以如何在实时监控中实现识别是图像发展中非常重要的一个环节。 目前，基于视频图像的运动目标检测与跟踪技术是计算机视觉领域中最重要的研究 内容之一，它是智能监控、人机交互和机器导航等领域应用的基础和关键技术。随着数 字电路的飞速发展，FPGA 的出现为数字图像处理在算法和结构上带来新的解决方法和设 计思路，这是因为图像中的所有像素都可以执行相同的操作，非常适合于采用 FPGA 的并 行架构通过硬件实现。对于数字图像处理，底层图像处理的数据量很大，要求处理速度 快，但运算结果相对简单。以 FPGA 作为核心系统，实现图像处理的并行化，非常适合于 对图像进行处理。 因此，使用 FPGA 平台进行图像处理以及运动目标检测与追踪具有重要的研究意义。 1.2 国内外研究现状与发展趋势 1.2.1目标检测与跟踪算法 在过去的几十年中，人们在运动目标检测方面做大量的理论研究和实践，提出各种 各样的的解决方案。直到现在，稳定且高效的图像处理算法依然是一个值得深入研究的 课题。实现图像中运动目标的检测方法虽然很多，但到目前为止，还没有一个统一且通 用的理论算法，这是因为大多数的算法是针对某个具体情况而进行开发的。应用场合和 场景客观条件的不同，必然导致运动目标检测方法的不同。总结起来，运动目标检测技 术的发展有如下特点: 1.形成三种传统的运动目标检测方法:光流法、帧间差分法和背景消减法。其中基于 差分图像的帧间差分法和背景消减法是目前检测图像中运动目标最广泛的方法。

双轮移动机器人安全目标追踪与自动避障算法.doc