介绍了信息融合的概念与结构，以及在雷达探测与跟踪中的应用

为了提高复杂环境下的目标跟踪精度，提出了一种基于序贯检测机制的双目视觉运动目标跟踪方法．该方法在序贯检测机制下，将粒子滤波、稀疏场主动轮廓和 CamShift 等方法结合．首先用基于颜色特征的粒子滤波，估计最优跟踪窗口；通过跟踪窗口和目标的相似度决定是否采用稀疏场主动轮廓方法，然后由目标轮廓和目标的相似度决定是否需要 CamShift 对轮廓进行修正；最后结合双目视觉的视差信息和标定模型对目标进行定位，引入视差置信区间判据可有效减少噪声影响，提高运动目标定位精度．实验表明本文所提的基于序贯检测机制的目标跟踪方法在摄像机运动－目标运动模式下，在目标有尺度、旋转、视角变化和环境有光照变化等情况下，能对运动目标进行有效地跟踪与定位，并且具有比较好的跟踪和定位精度

Multi object tracking-a litrature review.pdf

使用自适应相关滤波器的视觉目标跟踪

本文主要介绍了雷达目标跟踪中的扩展卡尔曼滤波算法，主要结合具体工程实现详细介绍各个算法公式中的具体工程使用参数，适合阅读工程跟踪代码的人群，增加对工程代码的理解

MATLAB人体异常行为监控（论文，GUI），目前的监控，都是被动式监控，也就是只能看，监控是不能反馈信息给人的，该设计可以从监控里面得到既定信息，比如任务摔倒，站立，行走等。带界面GUI。如果你是新手学习，请多点耐心。

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.

目标跟踪中的滤波算法-目标跟踪.rar 根据αβγ滤波算法，自己编了一个基于CA和CV模型的程序。

pysot目标跟踪权重，顺序为官网顺序，从头到尾儿，因为外网上不去，上传的

该文件里面包含了若干利用粒子滤波进行目标跟踪的程序，有详细的算法说明，适合于入门学习以及进一步深入研究。