代码使用vs2010 + opencv2.2开发，可以检测目标、跟踪多个目标

此m文件只是得到自己算法的.txt实验结果，将此结果放到LaSOT官网评价工具箱中，就能得到跟踪算法对比结果

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习。机器学习在很多领域都有应用，本文主要简述机器学习在目标识别和跟踪方面的应用。本文介绍opencv进行静态背景下动态目标的识别和跟踪，并且拥有可视化界面，可采用摄像头，读取视频，和单张图片处理。博客链接https://blog.csdn.net/qq_34404407/article/details/108482674

基于多特征融合的防遮挡目标跟踪算法

基于广义标签多伯努利滤波的可分辨群目标跟踪算法

机动目标跟踪实验含源码m文件演示图片实验报告-基于MATLAB平台的机动目标跟踪程序.rar-untitled2.fig 基于MATLAB平台的机动目标跟踪程序 实验报告包括: 1.算法描述 2.滤波初始化 3.仿真分析 4.源程序 5.演示图片 m文件源码: function main() [email=%%@project]%%@project[/email]:飞行器跟踪模拟 [email=%@author:fantasy]%@author:fantasy[/email] [email=%@date:2006.5.10]%@date:2006.5.10[/email] [email=%@descripition]%@descripition[/email]:主函数 %产生观测数据 total=3*60;%总的时间长度 global T;%采样周期 T=1; N=total/T;%数据长度 a=20; var_rx=400; var_ry=400; X=[];%观测数据 X_ideal=[];%理想数据 for i=1:N     [rx,ry]=track(i*T,a);     X_ideal=[X_ideal,[rx;ry]]; .,,,,,,,,,,,,,,,,,,,,,,, ,,,,,,,,,,,,,,,,,,,,,,,,, ,,,,,,,,,,,,,,,,,,,,,,,, 演示图片如Untitled1/2/3.fig

MATLAB实现粒子滤波应用于运动目标跟踪

有贝叶斯框架下的 贝叶斯最优滤波、卡尔曼滤波以及扩展卡尔曼滤波、无迹卡尔曼滤波 的推导，粗略讲了粒子滤波，还有详细的IMM（交互式模型滤波 ）的推导。

这个工具可以对连续的图片集或者一个视频进行半自动化标注，可以用来标注目标检测和多目标跟踪需要的数据，所谓半自动化，是针对多目标跟踪数据集的标注来说的，就是不用每一帧都重新标目标，且能通过内置的多目标跟踪算法自动预测出下一帧的目标位置并与上一帧的目标编号一一对应，只需手动对自动预测的框做微调即可，非常快捷，亲测一小时标注500-1000张完全没问题。