一、课题介绍 本设计为基于MATLAB的运动车辆跟踪检测系统。带有一个GUI界面，可以读取高速路车流视频，读取视频信息，并且统计每辆车经过左车道还是右车道，车速和平均速度检测，以及某一帧下的车流密度，以及最后总共经过的车辆总数。将运动检测到的目标用方框框起来。是一个非常不错的选题。 二、实现功能 车流密度：一定时间内经过车辆的总数； 车流量：某一帧下的车辆数目； 车速：经过车辆的实时速度； 平均速度：所有车辆的平均速度；

最近唯一能够像SiamMask一样在线操作并从边界框初始化开始生成mask的跟踪器是Yeo等人的基于超像素的方法.①作者认为以往直接回归box的方法存在一定的偏差，而使用分割提取mask然后再确定box的方法能够更好的定位box 的宽高。 ②现有的跟踪器，都使用矩形边界框来初始化目标并估计其在后续帧中的位置。尽管简单的矩形很方便，但通常无法正确表示对象。

基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向、python、目标跟踪学习者。 也可作为课程设计、期末大作业。包含：项目源码、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。

可以检测出视频中运动的目标，并且标出该轮廓

使用Matlab编码实现对目标物体进行跟踪。压缩包中有一个实例视频，实时性较高

基于caffe框架用于识别人脸，质心法实现跟踪，支持多人脸跟踪，包含配置文件deploy.prototxt和res10_300x300_ssd_iter_140000_fp16.caffemodel

变电站安全生产的智能化管理系统源码(人脸识别考勤_移动目标跟踪_越线检测_安全措施检测_姿态识别等功能)+项目说明.7z 通过人脸识别功能进行人员的考勤； 通过人员、车辆的检测和识别来实现变电站的智能化管理； 通过安全行为识别和安全区域报警功能来实现对变电站内人员和设备安全的监督； 项目利用DeepSort算法实现作业现场移动目标跟踪定位。 【依赖】 NumPy sklearn OpenCV 【跟踪py文件说明】 detection.py：检测基类。 kalman_filter.py：卡尔曼滤波器实现和图像空间滤波的具体参数化。 linear_assignment.py：此模块包含最低成本匹配和匹配级联的代码。 iou_matching.py：此模块包含IOU匹配指标。 nn_matching.py：最近邻匹配度量的模块。 track.py：轨道类包含单目标轨道数据，例如卡尔曼状态，命中数，未命中，命中条纹，相关特征向量等。 tracker.py：这是多目标跟踪器类。 更多细节，请看资源内的项目说明

可实现树莓派主动追踪目标，并实现树莓派和pc的信息交互等功能。

分析并比较了多传感器联合概率数据协会（MSJPDA）跟踪算法的并行和顺序实现。 开发了两种用于比较多传感器概率数据关联过滤器的非仿真技术，并用于比较算法的顺序和并行实现的跟踪性能。 已显示非仿真技术可以准确预测在仿真中观察到的性能趋势，也就是说，按顺序执行可在RMS位置误差和跟踪寿命方面提供更好的跟踪性能。 对于顺序实施，还简要解决了不同传感器的处理顺序问题。 我们还表明，随着传感器数量的增加，顺序实现的计算复杂度将降低。 因此，当不需要数据关联例程时，顺序和并行实现在多传感器过滤中是等效的，而当需要数据关联时，顺序实现则提供了出色的跟踪性能。

航天测控中雷达的测量值具有较大的随机误差,用雷达的测量值直接解算运载火箭的外弹道跟踪精度较低。提出基于IMM-UKF的雷达机动目标跟踪方法,适应了航天发射任务中运载火箭在不同时段具有不同机动特性条件下对机动目标稳定精确跟踪的需要。仿真结果表明和利用雷达测量值直接解算目标弹道的方法以及采用单一运动模型的UKF滤波方法相比,IMM-UKF算法具有更高的外弹道跟踪精度,并且算法的收敛速度满足航天测控外弹道跟踪的实时性要求。