目标跟踪和碰撞时间估计 这是Udacity传感器融合纳米度的第二个项目。 我融合了来自KITTI数据集的相机和LiDAR测量值，以检测，跟踪3D空间中的物体并估算碰撞时间。 首先，我用YOLOv3处理图像以检测和分类对象。 下图显示了结果。 基于YOLOv3发现的边界框，我开发了一种通过关键点对应关系随时间跟踪3D对象的方法。 接下来，我使用了两种不同的方法来计算碰撞时间（TTC），分别是基于LiDAR和基于相机的TTC。 环境的结构由主要讲师Andreas Haja构建。 基于LiDAR的TTC 我通过使用齐次坐标将前车的3D LiDAR点投影到2D图像平面中。 投影如下图所示。接下来，我将3D LiDAR点分布到相应的边界框。 最后，我根据不同帧的对应边界框中最接近的3D LiDAR点计算了TTC。 基于摄像头的TTC 我使用检测器/描述符的各种组合来找到每个图像中的关键点，并在

This is a beta release for a suite of MATLAB based RFS filtering/tracking codes.The "_common" subdirectory of shared functions should be added to your MATLAB path.Run the "demo" script to see a preconfigured example.

idl代码与Matlab 粒子跟踪代码 Matlab代码，用于跟踪胶体荧光纳米粒子。 该代码自动补偿纳米粒子的任何净漂移运动并隔离布朗行为。 它分析2D位置统计数据并拟合高斯分布。 当前版本是为跟踪单个粒子而编写的。 用 运行Particle_tracker_v_.m文件。 确保正确指定了源文件的位置。 同样，初始直径猜测（以像素为单位）应接近要跟踪的粒子的大小。 参考 基于IDL的粒子跟踪软件。 跟踪功能可从以下位置找到的实现中使用

JPDA数据关联论文，公式解释非常详细，最原始的论文，适合跟踪算法中的帧间关联。英文论文，通俗易懂。联合概率数据关联

用粒子滤波算法实现三维目标跟踪，用matlab实现。

InstaTrack 将Instagram用户ID转换为用户名，反之亦然 作者 Hamed - 变更日志 2020-07-05 -Instagram更改了Query_hash页面。 代码已更新（另请参阅 2020-03-03-解决了一些将特殊用户名解析为用户ID的问题。 （另请参阅 ） 2019-11-23 - 'query_hash '参数正则表达式更新为instagram API参数更改。 （另请参阅 ）| Tnx到 2019-06-26-列表查找已添加到代码中（另请参阅 ） 2019-06-01-命令行选项已添加到代码中（另请参阅 ） 2019-05-30-代码补丁二重奏到instagram API参数更改。 执照 此项目已获得MIT许可证的许可-有关详细信息，请参阅文件。

最近刷脸支付很火，老板们当然要追赶时代潮流，于是就有了刷脸支付这个项目。前端实现关键的技术是摄像头录像，拍照和人脸比对，本文来探讨一下如何在html5环境中如何实现刷脸支付以及开发过程中遇到的问题。 1.摄像头1.1input获取摄像头 html5中获取用户摄像头，有两种方式，使用input，如下： <input type="file" capture="camera" accept="image/*"/> 另外如果想打开相册，可以这样： <input type="file" accept="img/*"> 但是这两种方式都会有兼容性问题，用过的同学可能都知道。 1.2getUserMed

多摄像机人员跟踪和重新识别（使用视频） 用于“检测/跟踪”和“重新识别”不同摄像机/视频中的个人的简单模型。 介绍 该项目旨在跟踪不同角度的视频中的人。 用于完成此任务的框架分别依靠MOT和ReID来跟踪和重新标识人类的ID。 可以使用YOLO_v3或YOLO_v4来完成跟踪，并且ReID依赖于KaiyangZhou的Torchreid库。 安装 如果您的计算机上未安装 ，请下载 克隆存储库 git clone https : // github . com / samihormi / Multi - Camera - Person - Tracking - and - Re - Identification 创建项目环境 cd Multi - Camera - Person - Tracking - and - Re - Identification conda create

Drone-Detection-and-Tracking

合成Kong径成像matlab代码 Gaze-Tracking STM32 for Gaze Tracking 0、需求： 在软件方案不确定的情况下，完成一个泛用性较好的硬件系统，来外部辅助瞳Kong定位和视线跟踪。 1、方法与原理说明 参考方法：包包和李扬的系统设计； 1、通过外环leds（950nm波长）和内环leds（850nm波长）的交替闪烁，实现明瞳和暗瞳效应； 2、以下编号D4、D5、D17、D18、D39、D40、D61、D62（详细见PCB板丝印）的led 可以单独点亮，完全能达到《瞳Kong-角膜反射原理》的硬件要求。 了解了明瞳（bright eye effect）与暗瞳追踪原理，瞳Kong角膜反射追踪是可以用明瞳和暗瞳两种技术，两种技术又有各自的光源配置。明瞳追踪，是光源与成像设备在同一条光学路径上；暗瞳追踪，即光源放置在成像设备较远的位置(不在同一条光学路径上)，产生瞳Kong比虹膜暗的效果（明显的对比）。 在使用这两种追踪技术时，瞳Kong的检测都会受到不同的因素影响。例如，当使用明瞳追踪时，诸如被试者的年龄和光线环境等因素可能会对眼睛的追踪能力产生影响。被试