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

针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题，提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图，并对图中阴影采用一种简化去除算法，即判断前景像素时，将HSV分量用加权的形式描述，而不必对各个分量依次判断。对前景图提取观测值时，引入了合并处理算法，将分裂的多个矩形检测框进行合并。然后，利用推理的方法将前景观测值与目标关联，用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失，并能够解决多目标冲突、合并和分离等问题。

socmatlab代码RASMv2 机器人自适应屏幕安装 (RASM) 的第 2 版 此代码适用于犹他大学的 RASM 机械工程高级设计项目。 工程团队： 远宰纳尔 内森·迪布 哈基米娜兹莉 乔波拉德 约书亚呼叫 顾问：Andrew Merryweather 博士 RASM 是一种自主的 6 自由度机器人手臂，可保持定位在用户的面前。 最常见的用户将是医院环境中的四肢瘫痪者和四肢瘫痪者。 {图像} 软件系统是用C++编写的，分为八个子系统。 列出了每个这些子系统的依赖关系。 本项目未使用 ROS 等元操作系统。 该软件系统在很大程度上特定于 Linux，但可以移植到任何其他操作系统上，只要外围接口子系统适用于该操作系统。 子系统 源文件 依赖关系 配置 包含/configuration.hpp 波科 日志记录 包括/logging.hpp 波科 HTTP服务器 包括/http/* 波科 外壳服务器 包括/外壳/* 波科 姿态估计 包括/视觉/* openCV 和 dlib 控制 包括/控制/* 没有任何 外围接口 包括/外设/* 波科和 电池监控 包括/battery.hpp 没有任何

针对传统核相关滤波器(KCF)无法处理严重遮挡及光照变化等问题, 提出一种结合快速角点检测与双向光流法的长期KCF跟踪算法。首先利用KCF跟踪器在目标位置上提取融合方向梯度直方图特征、颜色属性特征和灰度特征的多通道特征, 计算输出响应图并得到所跟踪目标的峰值旁瓣比(PSR), 然后通过比较PSR与经验阈值来判断目标是否被遮挡; 当目标出现遮挡时, 在快速角点检测的角点基础上利用双向光流法重新检测下一帧目标位置, 并采用一种新模板更新策略来应对严重遮挡。与其他算法进行对比实验, 验证了本文算法对处理遮挡和光照变化具有高效性及稳健性。