利用python+ yolo 数据集完成的行人检测与跟踪

视频图matlab代码 Tracking_by_detection A Python3-based system use yolov3/KCF&DSST/KF to detect,tracking and estimate the target（people and cars） location. 这是我的本科毕设项目，主要通过YOLOv3识别，利用KCF-DSST-APCE完成抗遮挡的尺度变化跟踪，并用卡尔曼滤波估计位置。 视频效果/video ： Test environment Intel Core i5-8300H Nvidia GTX 1050Ti Ubuntu 18.04LTS Python3 OPENCV3.4.4 Requirements CUDA9.0 CUDNN7 Python3 OPENCV Numpy Numba Code structure yolo.py:detect fhog.py:give fhog feature tracker.py:track run.py:basic framework run2.py:add more visualization

C++与Opencv运动车辆检测跟踪系统，包含测试视频，可执行程序以及源代码，可以直接运行测试，可以参考学习。

包括数据读取 3D图像转化为2D图像并且保存 利用opencv进行目标检测以及目标跟踪

帧差法实现运动目标的检测，画出矩形框，跟踪，以及计算质心。

随着全球经济的飞速发展，世界范围内车辆数目也在快速增加，同时智能交通管理系统（ITS）[1]在道路交通管理中的应用越来越广泛。车辆检测与跟踪系统作为智能交通管理系统中的重要环节，负责识别监控视频中的车辆并对其进行跟踪，实时获取车速并判断其是否违章，其广泛的应用前景和潜在的商业价值已经引起国内外学术界和企业界的极大关注。

基于 Open CV的 运动车辆检测跟踪系统（源代码），大家有兴趣看看

车辆检测跟踪-makedll.m 车辆检测跟踪 如果不能测试，请再联系我

vc环境下，使用c++以及opencv开发的运动车辆检测跟踪系统，适合学习参考，里面有图片以及说明，源码有注释。

整个系统划分为图像预处理、车道线检测、车道线跟踪以及偏离预警等四个功能模 块。为了削减干扰信息，缩小检测范围，从而提高系统计算的准确性和实时性，图像预处理模块将视频图像逐帧灰度化、选取感兴趣区域、二值化，最终输出截短的二值化图像给后续模块处理。车道线检测模块中，建立了车道线直线模型，使用 Hough 变换快速检测出车道标志线，输出车道线参数。车道线跟踪模块中，基于车道线线性连续运动假设，使用 Kalman 滤波器算法实现了车道线跟踪，用 Kalman 估计值代替检测值，减少噪声干扰，提高了车道线检测的稳定性。在偏离预警模块中，实现了一种基于横向距离的车道偏离预警模型。