背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。

多目标检测、跟踪结果，详见我的博文“一种简单并行的轨迹关联算法”

其中吸烟监测、口罩率监测、火宅监测都由目标检测算法YOLO算法训练所得，项目中也提供了训练代码。行为安全监测由OpenPose算法提取人体姿态再进行分类识别；人群密度监测由MSCNN算法进行估计；行为轨迹跟踪由目标检测+Deepsort跟踪轨迹绘制而成。 ### 以行为轨迹跟踪为例

可以检测出视频中运动的目标，并且标出该轮廓

实现检测前跟踪 就是先跟踪再检测目标，一般用于弱目标检测 实现检测前跟踪 就是先跟踪再检测目标，一般用于弱目标检测

Yolov5_DeepSort车辆检测和跟踪，包含车辆数据集和训练好的YOLOv5车辆检测权重，代码配置好环境后可直接使用

飞鸟视觉检测和跟踪Yolov5_DeepSort_Pytorch-master-bird，内含YOLOv5训练好的鸟类检测模型

matlab 图像膨胀代码介绍 创建此存储库是为了探索使用扩展运算符从 LDR 图像构建 HDR 图像以训练 HDR 对象检测模型的可行性。 该存储库由 HDR 到 LDR 映射技术以及多个扩展运算符组成。 HDR 到 LDR 映射技术用于将原始 HDR 图像映射到 LDR 图像。 随后使用多种映射技术将 LDR 图像扩展回 HDR。 使用以下指标将预测（重建）的 HDR 图像与原始 HDR 图像进行比较： HDR-VDP2 puPSNR 和 puSSIM（PSNR 和 SSIM 的 HDR 版本） 使用的扩展运算符： 在这项工作中，我们为不同的扩展运算符使用了一些外部存储库。 一些已经包含在 matlab 代码中，一些其他基于深度学习的代码在以下链接中（从原始 repo 中分叉出来）： HDR扩展网 https://github.com/MASSIVE-VR-Laboratory/hdr-expandnet HDRCNN https://github.com/gabrieleilertsen/hdrcnn

基于道路约束的粒子滤波检测前跟踪算法

粒子滤波的多目标检测前跟踪程序matlab.zip