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。

深度学习理论在计算机视觉中的应用日趋广泛，在目标分类、检测领域取得了令人瞩目的成果，但是深度学习理论在目标跟踪领域的早期应用中，由于存在跟踪时只有目标为正样本，缺乏数据支持，对位置信息依赖程度高等问题，因而应用效果并不理想，传统方法仍占据主流地位.近年来，随着技术的不断发展，深度学习在目标跟踪方向取得了长足的进步.本文首先介绍了目标跟踪技术的基本概念和主要方法，然后针对深度学习在目标跟踪领域的发展现状，从基于深度特征的目标跟踪和基于深度网络的目标跟踪两方面重点阐述了深度学习在该领域的应用方法，并对近期较为流行的基于孪生网络的目标跟踪进行了详细介绍.最后对近年来深度学习在目标跟踪领域取得的成果，以及未来的发展方向作了总结和展望.

针对未知探测概率下多目标跟踪问题, 提出一种基于时变滤波算法的多目标概率假设密度(PHD) 滤波器. 算法推导了未知探测概率PHD递推式, 提出了将未知探测概率转化为目标的丢失与接收事件, 并依此建立了目标跟 踪的马尔科夫模型, 给出了该模型下时变卡尔曼滤波最优解, 进而在高斯混和PHD(GMPHD) 框架下推导了算法闭集解. 仿真实验表明, 所提出算法在未知且随时间变化的探测概率情形下, 仍能实时地跟踪各目标, 具有良好的工程应用前景.

物联网的全面感知产生了海量的感知数据,并且感知数据呈现为显著的多源异构性.因此,如何实现海量多源异构感知数据的智能处理是一个具有挑战性的课题.数据融合是处理多模态数据并挖掘提取有价值信息的有效手段,但针对多源异构数据,特别是非结构化的视频多媒体信息,如何实现高效的融合计算还面临许多问题需要解决.本文针对物联网多源异构感知信息的处理问题,提出多层次的多源异构数据融合方法,并以基于无线信号、视频和深度感知数据的目标定位跟踪应用为切入点,重点研究多源异构数据的处理、特征表示和数据融合方法.根据不同类型数据的特性采用不同的数据融合方法,通过挖掘无线信号、视频和深度等多源异构数据内在的关联性,实现多源异构数据有价值信息的有效利用.实际复杂场景的实验表明,本文提出的基于多源异构数据融合的目标跟踪和定位方法,能够解决传统依赖单源同质数据的目标跟踪方法所面临的光照变化和遮挡交错等难点问题,并且可以获得较为准确的运动目标三维位置,具有良好的跟踪定位效果.

高频地波雷达是对海上运动目标进行监视监测的一种重要手段，为了提高地波雷达对海上特定目标独立跟踪探测时的性能，本文对高频地波雷达海上目标跟踪技术的研究现状进行了综述，分析总结了目前航迹跟踪方法存在的主要问题。结合海上目标跟踪的实际应用需求，借助目前流行的深度学习方法充分挖掘其他同步探测手段获取的目标信息，提出了基于知识辅助的特定目标跟踪方法，改善后续地波雷达对特定目标独立跟踪时的航迹质量，。初步的航迹跟踪结果验证了提出方法的有效性。提出的地波雷达特定目标跟踪方法对目标跟踪方法的理论研究及地波雷达目标跟踪系统的业务化应用均具有重要意义及参考价值。

基于计算机视觉的目标检测跟踪及特征分类研究.docx

描述了目标检测与跟踪技术的发展现状，目标检测与跟踪技术的典型应用，图像的特征与描述，目标检测方法的基本概念与原理，目标跟踪方法涉及的基本问题等。

18初始化函数初始化轨迹对象读取一帧数据 前景检测根据位置进行卡尔曼预测匈牙利匹配算法进行匹配分配好的轨迹更新未分配的轨迹更新删除丢掉的轨迹创建新轨迹 结果展示

利用matlab进行对红外目标跟踪处理，主要是一些代码，包括图像处理的很多方面

对任意个目标进行卡尔曼跟踪