PPT内放置了进几年工作的DEMO，包括视觉跟踪、机器人操作控制，小车视觉跟踪等；是在前一个资源的基础上进行了更新，优化和改进。

Matlab集成的c代码合法-视觉跟踪库 Legit是一个C ++库，其中包含各种视觉跟踪算法的实现。 该库的主要目标是在一个地方提供多个不同的视觉跟踪器，以用于视觉跟踪研究以及在各种任务中使用视觉跟踪。 历史 该库的开发始于2010年的ViCoS实验室，最初是在LGC跟踪算法的本地C ++实现中发布的，该算法在ICCV 2011上发布。由于许多代码变得相当通用，因此库的目标随着时间的流逝变得越来越大，也越来越雄心勃勃。 该库的公共版本于2014年3月可用。 建造 目前，该库的唯一依赖项是OpenCV计算机视觉库（2.1或更高版本）。 可以使用CMake构建系统来编译代码。 请记住，默认情况下某些跟踪器实现是禁用的，因此必须首先配置编译过程。 该库应在Windows，Linux和OSX平台上编译。 追踪器 该库的当前版本包含以下跟踪器： 静态-用于测试的虚拟跟踪器。 始终保持在同一位置。 Online Boosting-不是正式的实施，来源来自。 MIL-不是官方的实施，来源来自。 LGT-LGT跟踪器的C ++端口，如TPAMI论文“使用自适应耦合层视觉模型进行稳健的视觉跟踪”中所述

设计了一款基于瞳孔定位技术的视觉跟踪系统。该系统通过安装在眼镜上的摄像头采集人眼球瞳孔运动图像，并利用硬件电路分离视频同步信号，然后将信息传送至S3C6410嵌入式处理器，处理器利用图像处理算法计算出人的瞳孔运动轨迹，从而得到人眼瞳孔的实时定位信息。该系统具有较为广泛的应用前景，可以通过人眼睛的转动来实现对各种智能化设备的控制，能够应用于残疾人智能护理、病床智能护理等实际领域。

visdrone数据集场景下YOLOv5-deepsort视觉检测和跟踪代码，包括用Visdrone数据集训练好的YOLOv5s-visdrone.pt和YOLOv5m-visdrone.pt两个模型，并附上了训练曲线图；代码都已配置好，安装好环境后可以直接使用，包含有相关场景下的测试视屏和跟踪结果，并保存了目标运动的质心坐标和可以绘制出目标运动轨迹

Matlab集成的c代码该视觉对象跟踪器（KCFDPT）通过“背景抑制”增强了KCFDP。 KCFDP显示在： [1]“通过检测提议在视觉跟踪中启用比例和长宽比适应性”，BMVC，2015年， 黄大飞，罗磊，文玫，陈兆云和张春元。 该实现基于以下内容： 颜色名称特征集成和模型更新方案： [2]“用于实时视觉跟踪的自适应颜色属性”，CVPR，2014年， 马丁·丹内利扬（Martin Danelljan），法哈德·沙巴兹·汗（Fahad Shahbaz Khan），迈克尔·费尔斯伯格（Michael Felsberg）和乔斯特·范·德·韦耶（Joost van de Weijer）。 [3]“为实际应用程序学习颜色名称”，TIP，18（7）：1512-1524，2009， J. van de Weijer，C。Schmid，JJ Verbeek和D.Larlus。 原始的CSK和KCF跟踪框架： [4]“利用核利用检测跟踪的循环结构”，ECCV，2012年， JF Henriques，R。Caseiro，P。Martins和J. Batista。 [5]“使用核相关滤波器进行高速跟踪”，

基于外观模型和运动模式的实时视觉跟踪

计算机视觉跟踪算法之TLD算法原文翻译，跟踪 TLD算法 原文翻译

时空上下文视觉跟踪（STC）算法，包含matlab代码和多尺度C++代码，其中C++代码已经解决了边界处理问题。 实测，pc机上i7处理请，30fps

路由matlab仿真代码 人工智能 研究领域包括计算机视觉、生物视觉、自动驾驶的工具。 入门 深度学习、深度强化学习，具体子问题包括视觉目标跟踪和平稳跟踪的相关性、多目标跟踪等。 环境 开发测试平台Ubuntu 18.04、Windows 10。 Matlab 2018a Python 3.6 安装 所有安装包 Matlab 2018a Matlab 2018a（包括Windows、Linux、Mac平台的安装包及安装步骤） Python Python 3.6.5(Anaconda3-5.2.0) 添加环境变量：C:\Users\dong\Anaconda3 C:\Users\dong\Anaconda3\Scripts pip install opencv_python-3.4.2-cp36-cp36m-win_amd64.whl pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tqdm pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gym==0.

行业分类-外包设计-基于视觉跟踪技术的快递包裹分拣装置.zip