据说已经绝版了的书； 全书分成单目标跟踪和多目标跟踪两部分，讲了很多有用的滤波算法（诸如Kalman滤波，维纳滤波等）；

目标检测与跟踪的很好的代码 融合光流法，颜色特征，贝叶斯框架下的ceter——surround模型 检测速度快，跟踪效果稳定。实时性很好

这是一篇硕士论文。主要是用OpenCV技术解决运动目标的识别与追踪。其中OpenCV部分讲解的很经典。比较适合学习OpenCV技术的初学者。

在目标跟踪领域，粒子滤波技术有处理非线性非高斯问题的优势，但是标准粒子滤波在利用重采样方法解决退化现象时，会产生粒子贫化问题，导致滤波精度不稳定.针对这种问题，本文算法采用了差分进化蝙蝠算法对粒子滤波进行改进.本文算法将粒子表征为蝙蝠个体，蝙蝠种群通过调节频率、响度、脉冲发射率，伴随当前最优蝙蝠个体在目标图像区域进行搜索，并且可以动态决策是采用全局搜索还是进行局部搜索，从而提高粒子整体的质量和合理的分布；引进的差分进化策略可以增强蝙蝠个体跳出局部最优的能力.为了验证本文算法的优化性能，将本文算法和标准粒子滤波算法进行性能分析对比.实验结果表明本文算法滤波性能优于标准粒子滤波算法.

电信设备-一种移动目标跟踪方法及装置.zip

针对多目标跟踪算法中经常会面临的各种挑战, 如相机的突然运动、遮挡、误检和外观相似等情况, 提出一种基于核相关滤波(KCF)的分步关联框架。首先, 该算法采用基于卷积神经网络的目标检测器检测目标, 获得准确的检测结果。然后, 为了更好地预测目标的运动状态, 通过加权融合三种特征的跟踪结果, 为每个目标建立一个基于KCF算法的快速跟踪器。此外, 为了有效地降低碎片化轨迹的数量, 该算法通过跟踪片的置信度分步关联轨迹, 并在遮挡的情况下, 利用在线随机蕨重新检测目标。最后利用关联成功的检测信息自适应更新KCF算法中的尺度。实验结果表明, 与现有算法相比, 所提算法能够在各种复杂的条件下, 表现出强大和高效的跟踪性能。

多传感器多目标跟踪的有关程序，多目标航迹关联 多传感器多目标跟踪的有关程序，多目标航迹关联 多传感器多目标跟踪的有关程序，多目标航迹关联 多传感器多目标跟踪的有关程序，多目标航迹关联

多摄像头的目标跟踪论文，内容丰富，算法描述详细，理论剖析也十分完整，值得参考。

最后更改 新许可证Apache 2.0代替GPLv3 添加了新的参数“批处理大小”-在多个连续帧上同时检测。 它可以在功能强大的GPU上提高处理速度。 适用于Darknet和TensorRT后端，但可能会增加一些延迟 新影片！ 使用YOLO v4进行车速计算（感谢 ） YOLO v4迈向ADAS的第一步 多目标（多个对象）跟踪器 1.可以使用具有不同的detectorType值的功能创建对象检测器： 1.1。 根据背景扣除：内置Vibe（跟踪：: Motion_VIBE），SuBSENSE（跟踪：: Motion_SuBSENSE）和LOBSTER（跟踪：: Motion_LOBSTER）； 来自MOG2（tracking :: Motion_MOG2）； MOG（跟踪:: Motion_MOG），GMG（跟踪:: Motion_GMG），并从CNT（跟踪:: Motion_CNT

多源融合-导航定位-目标跟踪，方面的方面的权威参考书籍，值得细看