传统MeanShift目标跟踪算法通过bin-bin颜色直方图表示目标特征，直方图中往往会混入背景颜色信息，造成跟踪不准确；同时由于MeanShift算法具有局部最优性，当目标受到严重遮挡丢失后，不能对目标重新定位跟踪。为了解决上述问题，在颜色直方图和抗遮挡能力方面进行了改进。利用交叉bin颜色直方图代替传统的bin-bin颜色直方图表示目标特征，减少背景颜色的干扰，提高MeanShift算法跟踪精度；当目标受到严重遮挡丢失后，通过一种尺度变化调整机制，在全局范围内搜索目标位置，提高MeanShift算法抗遮挡能力。实验显示，改进后的算法不仅在背景干扰大时对目标的跟踪精度更高，而且当目标受到严重遮挡丢失后，也能够对目标重新定位跟踪。

传统核窗宽固定的mean shift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上，提出了一种适应带宽的mean shift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪，解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的问题，提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验，证实了该算法的有效性。

不需要手动选取目标，自动检测目标（目标已在画面内）。找到一个滤波器h，使其在目标上的响应最大。f表示训练图像，g表示响应输出，h表示滤波器，F，G，H对应其频域值(傅里叶变换后的值)

基于高分四号卫星的舰船目标跟踪

目标跟踪与计数，可参考，可训练自己的数据集

针对有界范围内的运动目标进行超视距跟踪时出现的量测不可靠问题，提出一种卡尔曼滤波初值选取方案，对采用三点法求得超出界限的目标初始运动状态进行修正，再将其作为新的滤波初值，这一方法称为投影修正法。对比传统初值确定方法，并结合3种传统非线性卡尔曼滤波算法，分别在目标与观测台的初始距离为600和1000时进行仿真验证。仿真结果显示，与传统方法相比，应用该初值确定方法能在探测距离相对误差为1%，探测角度误差为0.01rad时，明显提高滤波初期收敛速度且滤波精度不下降。此外，研究还发现，在利用投影修正法进行跟踪滤波时，同等条件下选用零值修正，收敛效果更好。

常用的实验作业，很好用。卡尔曼滤波器对于变速目标的跟踪。

利用meanshift算法来进行目标跟踪，包含matlab和opencv版本，经过测试，代码能运行，如果要使用请自行修改里面的路径

1.简介.2. 方法 .2.1 状态估计 .2.2 匹配问题.2.3 级联匹配.2.4 表观特征.3. 实验 .4. 总结 .多目标跟踪快速入门教程5. 参考

SiamMask： 快速在线目标跟踪与分割的统一方法-附件资源