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。

基于切向和法向加速度变结构多重模型的目标跟踪方法

针对主动雷达的目标跟踪问题，采用经典的线性滤波算法——卡尔曼滤波实现目标跟踪，内附实验原理报告和MATLAB源程序

卡尔曼滤波原理及应用仿真

多目标跟踪测试视频opencv多目标跟踪测试视频

在本文中，受人荷尔蒙系统的调节机制的启发，提出了一种新颖的基于内分泌的智能分布式合作算法（EIDCA）进行目标跟踪。 EIDCA使无线传感器网络中的节点能够自动进行自我组织，而无需集中控制目标检测。 还引入了一种基于概率的激素传输方案，以缓解由于节点频繁切换而引起的网络波动。 同时，设计了一种数值评估方法，以提供一种量化指标，用于比较不同算法的跟踪性能。 仿真结果表明，由EIDCA控制的分散网络无需中央控制就能高效，可靠地工作。 还表明，提出的EIDCA在跟踪目标方面优于比较算法。

提出了一种用于空间配准和多目标跟踪（MTT）的扩展产品多传感器基数化概率假设密度（PM-CPHD）滤波器。 目标的数量和状态以及传感器的偏差是通过这种方法联合估算的，而无需数据关联。 蒙特卡罗（MC）仿真结果表明，所提出的方法（i）的性能优于（i），尽管在计算上要比用于联合空间配准和MTT的扩展多传感器PHD滤波器要好； （ii）优于多传感器联合概率数据关联（MSJPDA）过滤器，该过滤器在杂波相对密集时也适用于联合空间配准和MTT。

结合图像处理技术和概率数据关联（PDA）运动模型，我们开发了一种新颖的框架来解决噪声背景不佳的非机电系统的对象跟踪问题。 新模型具有两个优点：（1）通过集成统计运动模型，可以比现有模型更精确地模拟许多非机电系统中的对象运动。 （2）由于采用了全局搜索的最佳模型参数，与依赖连续帧区分的其他方法相比，该模型更好地在高噪声环境中跟踪对象。 我们在提出的模型中推导了期望最大化（EM）算法。 合成数据和图像数据集都证明了其有用性。 引入了模型稳定性以量化模型的实用性。

据我目前了解掌握，多目标跟踪大概有两种方式：基于初始化帧的跟踪，在视频第一帧中选择你的目标，之后交给跟踪算法去实现目标的跟踪。这种方式基本上只能跟踪你第一帧选中的目标，如果后续帧中出现了新的物体目标，算法是跟踪不到的。这种方式的优点是速度相对较快。缺点很明显，不能跟踪新出现的目标。基于目标检测的跟踪，在视频每帧中先检测出来所有感兴趣的目标物体，然后将其与前一帧中检测出来的目标进行关联来实现跟踪的效果。这种方式的优点是可以在整个视频中跟踪随时出现的新目标，当然这种方式要求你前提得有一个好的“目标检测”算法。本文主要讲述Option2的实现原理，也就是TrackingByDetecting的跟踪方