【目标跟踪】基于扩展卡尔曼滤波实现目标群跟踪matlab源码.md

根据TLD算法改的，用MATLAB做框架的一个光流跟踪算法，其中光流计算部分用opencv 实现。算法流程不难，就不写了，有兴趣读一下代码就行了

该课题为基于matlab的运动汽车跟踪系统。读录视频，进行视频分帧，提取背景，框定运动目标。计算运动目标的数量，速度车道，车流密度等等信息带有人机交互界面框架，适合具备一定编程基础的人员学习。

该课题为基于Matlab的运动目标跟踪系统。可以实时框定运动目标。对运动目标的行为做识别。带有人机交互界面，需要在人机交互界面的基础上进行拓展

为解决常规的基于粒子滤波的目标跟踪算法,使用状态转移分布作为采样粒子的建议分布函数,没有考虑当前的观测值,从而造成定位时间长、定位精度低的问题.采用将最新的观测值融合到采样过程中,利用粒子群优化方法实现目标的跟踪,使得采样粒子集往后验概率密度分布较大的区域移动,从而显著地降低了精确定位所需的粒子数.研究结果表明:改进后的目标跟踪算法性能更优.

闪烁噪声是一种非高斯噪声.为了提高闪烁噪声下多机动目标跟踪的精度,在交互多模型IMM(Interacting Multiple Models)算法的基础上将非线性非高斯系统滤波算法―――粒子滤波与IMM算法相结合,采用无味粒子滤波UPF(Unscented Particle Filter)代替IMM算法中各模型的卡尔曼滤波,提出了一种UPF_IMM算法,并应用该算法代替传统IMM_JPDA数据关联方法中的IMM部分,解决了闪烁噪声环境下的多目标跟踪问题,实验结果表明该算法可以明显地提高跟踪精度.

【卡尔曼滤波】卡尔曼滤波在雷达目标跟踪中的应用仿真matlab源码.zip

3）多目标跟踪基本原理 多机动目标跟踪是指在多量测数据的情况下，利用跟踪滤波和数据关联算法对多个机动目标进行状态估计和跟踪的算法。 多机动目标跟踪不仅包括单机动目标的基本要素，还形成一些新的要素，主要包括跟踪门规则，数据关联和跟踪维持等。其中数据关联是多机动目标跟踪的核心。 多机动目标跟踪的基本框架如下图所示。

The subject of this book is nite set statistics (FISST) recently developed theory that unies much of information fusion under a single probabilistic—in fact, Bayesian—paradigm.

分析了基于平移运动模型的传统相关跟踪算法，从映射函数、模板更新方面提高其精度，从匹配搜索策略方面的改进提高其实时性。 然后讨论了基于Hausdorff距离的匹配跟踪算法，并从算法实现的各个步骤着手 进一步提高其鲁棒性。