（STRCF）相关滤波目标跟踪STRCF代码（matlab版本）

目标跟踪Mosse代码（带有PSR代码）

SiamFC孪生神经网络目标跟踪（python代码）

（MDNet代码）深度卷积神经网络目标跟踪（matlab代码）

APCE代码应用在KCF上面，可以参考（matlab）

配置好的CSR-DCF代码，本机能直接使用调用OPENCV

MUSTer目标跟踪代码（matlab版本）

针对在线学习跟踪算法中目标模型更新错误而导致跟踪漂移的问题，提出了一种简单但高效的解决方案。在目标区域均匀采样点跟踪器，基于纹理描述对前后两帧点跟踪器进行置信度评估并以此完成目标初步定位，由多维特征时空上下文模型输出目标位置置信图以完成目标精确定位，同时结合置信图决定模型更新速率并给出了一种多尺度更新机制。实验表明，该方法在背景干扰、快速运动、遮挡、光照变化及尺度变化下均能完成稳健跟踪，在320 pixel×240 pixel的视频序列中平均跟踪速度为55.1 frame/s，可以满足实时应用的需求。

针对基于模版匹配的跟踪算法运行速度较慢、成功率较低的问题，提出了一种基于粒子群优化的模版匹配跟踪算法。该算法采用粒子群优化算法作为候选模版的搜索策略，并自适应的更新目标模版。首先，在设定的范围内随机采集多个候选模版，计算出个体最优样本和全局最优样本；其次，根据粒子群优化算法进行迭代求出最佳的候选模版；最后，自适应的更新目标模版。经过理论分析和实验仿真表明，与基于模版匹配的跟踪算法和基于粗精搜索的模版匹配跟踪算法相比，基于粒子群优化的模版匹配跟踪算法大大的减少了跟踪算法的计算量，使得该算法能产生很好的实时跟踪，并且跟踪的鲁棒性以及成功率都有很大的提高。

基于IMM-UKF 的网络化作战目标跟踪算法