提出了一种基于改进的SIFT（尺度不变特征变换，SIFT）算法的目标跟踪算法，为了提高实时性能，对SIFT的处理邻域进行了改进以降低计算的复杂度，并且SIFT向量的维数设置为128到40。仿真和实验表明，该改进算法为我们带来了较低的计算复杂度，较高的跟踪精度和鲁棒性

完美的实现了视频目标跟踪，利用meanshift算法和kalman滤波算法。

针对计算机视觉中目标跟踪的问题,提出基于卷积神经网络(CNN)提取深度特征并与边缘特征进行自适应融合的策略来实现视频目标的跟踪算法。卷积神经网络的低层网络可以获取目标的一部分空间结构、形状等特征;高层网络可以获得相对比较抽象的部分语义信息。将VGG16神经网络中第2个卷积层Conv1-2、第4个卷积层Conv2-2和最后一个卷积层Conv5-3提取的深度特征与边缘特征进行特征的自适应融合来实现视频目标跟踪。在OTB100数据集中对本文算法进行实验验证与分析,结果表明,本文算法能够对目标实现更加准确的定位。

用于视频目标检测的数据集，包括野牛，犀牛，大象，斑马四个标签的图像和标注，大约1500多张图片，使用yolov5文件夹下的format_dataset.py文件，可以将african-wildlife里的原数据集数据转换成可以被yolov5程序识别的格式，保存到african-wildlife-dataset（自动分割训练集和验证集），videos文件里面是几个用于检测的视频。附赠已经用yolov5实现的源码，对应yolov5的4.0版本，检测效果还行。

毕设的时候要用到vot2019，当时网上的资源都没有整理好完整的，或者少了groundtruth.txt，这里我整理好了这60个序列，对应的groundtruth.txt文件也都放上去了

KCF、DSST、SAMF在OTB100平台上测试的run_tracker.m

行人跟踪视频目标跟踪,Matlab m文件，亲自测试，可以运行。另附 一篇英文文献《Object Tracking and Velocity Determinationusing TMS320C6416T DSK》。

在OPENCV2.4.10和VS2013环境下运行的KCF视频目标跟踪，亲测可用，给需要的人，注意修改一下opencv的路径，每个人配置的不一样，没有配置好不可能直接打开运行的，切记！

这是一个基于粒子滤波的视频目标跟踪的matlab仿真程序，为了方便大家的使用，还特地在文件中附加了一组从视频中提取的仿真图片，需要注意的是，在tracker.m主程序中，读取图片的路径需要改成你存放图片的路径，只要个路径改对了，其他.m文件文件不用修改就可以运行了。

粒子滤波用于对视频目标跟踪的代码，而且有说明文档，所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。