进行目标检测中用来提取感兴趣的目标可疑框的方法 来源是本网站中的某一篇博客，侵删

介绍两种目标跟踪算法—扩展卡尔曼滤波器（Extended Kalman Filter， EKF）、粒子滤波器（Particle filter， PF）。EKF利用泰勒级数方法，将非线性问题转化到线性空间，再利用卡尔曼滤波器进行滤波，并达到一阶估计精度。PF是一种采用蒙特卡罗采样的贝叶斯滤波方法，它将复杂的目标状态分布表示为一组加权值，通过寻找在粒子滤波分布中最大权值的粒子来确定目标最可能所处的状态分布，已成为复杂环境下进行目标跟踪的最好的方法。文中通过仿真实验，对二者的性能进行了仿真比较，结果证明在复杂的非高斯非线性环境中，PF的性能明显优于EKF，但计算复杂，耗时长。

通过经典的卡尔曼机动目标跟踪的介绍，主要是跟踪一个小球，然后包括公式推导以及仿真结果，

该资料包含全国大学生电子设计竞赛——2020年“TI杯”模拟电子系统设计专题邀请赛，D题：目标跟踪系统的设计报告（国二），以及此届比赛的四个赛题。

基于meanshift利用opencv实现的目标跟踪，里面含有代码，vs2010先可完美运行

数据关联的入门PPT，介绍了GNN，JPDA和MHT的原理。 对于想目标跟踪是非常好的入门材料

目标跟踪，使用yolov5做检测器

相比于传统的KCF代码，增加了： 1 彩色原图的追踪界面 2 追踪结果的保存文件 3 追踪界面可以显示帧数 4 从run_tracker.m点进去可以直接运行

为了对移动目标实现跟踪，设计了一个基于无线传感器网络和扩展Kalman滤波算法的目标跟踪系统．放弃了传统静态传感器方式，改用移动传感器方式获得目标距离信息，提出基于线性规划法的网络覆盖算法，减少了扫描探测区域的传感器数量，从而减少了采样时间，并提高了网络覆盖率．基于距离模型提出了窗口扩展卡尔曼滤波算法，该算法比普通扩展卡尔曼滤波具有更高的精度，通过实验验证了算法的有效性．

otb视频测试集 在多个跟踪算法上的结果