一种新的自适应鲁棒无味卡尔曼滤波器，用于提高目标跟踪的精度

目标跟踪理论在国防、商用等领域都具有重要价值，并且是实现智能交通系统的基础。针对智能交通系统中需要对特定的运动目标进行跟踪和监测的要求，利用卡尔曼滤波算法对目标进行跟踪并对其下一时间的运动位置、运动方向、速度等信息进行预先估算以达到及时监测的目的。通过分别对机动目标和非机动目标的仿真试验，得出了卡尔曼滤波算法可以对运动的目标实现实时跟踪，且非机动目标的跟踪效果要优于机动目标的结论。

在VS2015上，使用opencv3中的SVM和HOG特征，结合KCF算法实现目标跟踪，主要跟踪行人

目标的检测与跟踪技术在计算机视觉领域有着广泛的应用，比如在视频监控，无人驾驶，机器人等领域都有着举足轻重的价值。随着深度学习算法与技术的飞速发展，更是带动了该技术在性能、速度等方面取得了质的飞跃。然而随着社会的发展，需求的不断提高，我们在研究算法高效性的同时还要考虑算法所训练出的模型在实际应用上的性能与速度。本篇文章主要研究基于深度学习的目标检测与跟踪技术，该技术主要包括一个离线训练的检测模型，一个优化的跟踪器，以及一个学习模块来组成在线跟踪系统。通过研究出一种更快、性能更好的算法以及模型的压缩来达到使其训练出的模型在手机等嵌入式设备上实时运行的目的。

无迹卡尔曼滤波（UKF）是重要的非线性滤波方法。 无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算，在不对非线性方程线性近似的条件下，达到线性卡尔曼滤波器的滤波性能。

这是几篇关于meanshift算法思想是怎么提出来的，以及以后在图像处理，目标跟踪等方面的应用。作者深刻介绍了算法的思想，并配有仿真图，为学习好此算法打下坚实的基础，同时是每一个学习meanshift算法的人所必须了解和深刻认识的论文。

数据融合matlab代码ECE767 多目标跟踪和多传感器信息融合 作业1 在以下情况下实现最近邻居EKFor CMKFtracker： 目标： 使用恒速模型移动单个目标。 传感器： 位置：[1000 500]，固定（即速度= [0 0]）测量：范围和方位角误差标准偏差：范围= 10 m，方位角= 0.01 rad采样时间= 2s Pd = 0.9错误警报密度（λ）= 1e-4覆盖范围：[0至10000] m方位角[-pi至pi] 追踪器： 假设音轨已经初始化。 使用简单的最近邻居数据关联（获取最接近的度量值）使用EKF或CMKF过滤 绩效评估： 评估RMSE在报告中， 请包括以下内容： Matlab代码图显示真相和估计轨迹图显示RMSE 截止日期：2019年10月17日

多假mhtmat算法实验室代码MCMCDA 该存储库包含论文“用于多目标跟踪的马尔可夫链蒙特卡罗数据协会”的 matlab 代码。 这段代码是从网上复制过来的，根据论文进行了小幅修改。 MCMCDA 是一种常用的多目标跟踪算法，用于计算机视觉和雷达信号处理。 其性能优于传统的多目标跟踪算法，如JPDA（联合概率数据关联）和MHT（多假设跟踪）。 纸张可在 。

基于卡尔曼滤波的目标跟踪matlab经典程序——快速入门 基于卡尔曼滤波的目标跟踪经典matlab程序源代码，用于2维目标的跟踪，是初学者学习卡尔曼滤波的好教程。深入浅出，易于理解。

无人机目标检测和跟踪数据集，近一万张，每张图片都是从高分辨率图片中切割出来的，都被切割成了416x416大小，类别名为drone,小目标，标签为txt格式和xml格式，可直接用于YOLO目标检测