无人机飞行视频数据集，便于开展单目标跟踪研究

本文首先介绍单目标跟踪的相关背景, 接着从相关滤波单目标跟踪、深度学习单目标跟踪两个阶段对单目标跟踪领域发展过程中涌现出的多个算法进行梳理, 并详细介绍目前主流的孪生网络算法. 最后通过大型数据集对近年来优秀算法进行对比分析, 针对其缺点与不足, 对该领域未来的发展前景做出展望.

目标跟踪方面使用的是基本的最大IOU匹配方法。引入卡尔曼滤波解决了目标被遮挡或重叠导致的跟丢问题。 # 使用时记得修改视频和label文件的路径。

4、纯方位角单目标跟踪 纯方位跟踪系统仿真程序 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 程序说明： 单站单目标基于角度的跟踪系统，采用粒子滤波算法 % 状态方程 X（k+1）=F*X(k)+Lw(k) % 观测方程 Z（k）=h（X）+v（k） function main %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 初始化参数 clear; T=1; % 采样周期 M=30; % 采样点数 delta_w=1e-4; % 过程噪声调整参数，设得越大，目标运行的机动性越大，轨迹越随机（乱） Q=delta_w*diag([0.5,1,0.5,1]) ; % 过程噪声均方差 R=pi/180*0.1; % 观测角度均方差，可将0.1设置的更小 F=[1,T,0,0;0,1,0,0;0,0,1,T;0,0,0,1]; %%%%%%%%%%%%%%% 系统初始化 %%%%%%%%%%%%%%%%%% Length=100; % 目标运动的场地空间 Width=100; % 观测站的位置随即部署 Node.x=Width*rand; Node.y=Length*rand;

视频监控领域对计算机视觉技术有急切的需求，而视觉目标跟踪是其中一个重要的基 础研究问题，通过对感兴趣的目标物体进行跟踪并记录跟踪轨迹，我们可以从一段视频中 提取出一个结构化的视频摘要，还可以对视频中的群体或单体异常行为进行分析，或者协 助公安机关对犯罪嫌疑人进行查询和搜证，等等。经过近二十年的发展，现有的目标跟踪 方法已经可以在一些难度较小的视频场景中进行准确跟踪，但是，面对包含目标遮挡、形 变、快速运动等难点的视频场景时，现有跟踪算法的准确度和鲁棒性还有待提高。本文对 目标跟踪领域的发展进行了分析和探讨，并针对现有跟踪算法的缺陷提出了几种可供参 考的解决方法。本文的主要研究内容和贡献包括: 1)提出了一种结合消失判断的长时目标跟踪系统，解决了传统短时跟踪方法无法判 断目标消失状态、在遮挡情况下容易把背景干扰信息引入跟踪模型的问题。该系统基于结 构化支持向量机基础模型，把基于对数极坐标转换和混合高斯模型的目标消失判断机制 引入了跟踪系统中，在判断目标消失以后，停止跟踪模型和消失判断模型的更新，并采用 重检测方法对目标进行扩大搜索和检测。本方法可以在遮挡严重的场景下防止背景干扰 信息在跟

单目标跟踪 meanshit http://blog.csdn.net/real_myth/article/details/53781829

粒子滤波在单目标跟踪多目标跟踪电池寿命预测中的应用-粒子滤波算法原理及在多目标跟踪中的应用（Matlab程序）.ppt 本帖最后由 huangxu_love 于 2013-7-26 12:50 编辑 推荐一本学习粒子滤波原理的好资料《粒子滤波原理及应用仿真》，本手册主要介绍粒子滤波的基本原理和其在非线性系统的应用。同时本手册最大的优点是介绍原理和应用的同时，给出实现例子的matlab代码程序，方便读者对照公式，理解代码。因此，它是相关方面的研究者快速上手和进入研究领域的快捷工具。同时，对于有一定基础的研究者，可以在本手册提供代码的基础上，做算法进一步改进和深入研究。 如果你有编程或者原理咨询，可以联系我的QQ345194112. 目  录第一部分 原理篇                                                                1第一章 概述                                                                  11.1 粒子滤波的发展历史                                                        11.2 粒子滤波的优缺点                                                         21.3 粒子滤波的应用领域                                                        3第二章 蒙特卡洛方法                                                          42.1 概念和定义                                                                42.2 蒙特卡洛模拟仿真程序                                                     52.2.1硬币投掷实验（1）                                                        52.2.2硬币投掷实验（2）                                                      52.2.3古典概率实验                                                              64.2.4几何概率模拟实验                                                         72.2.5复杂概率模拟实验                                                          72.3 蒙特卡洛理论基础                                                           102.3.1大数定律                                                                  102.3.2中心极限定律                                                              102.3.3蒙特卡洛的要点                                                           112.4 蒙特卡洛方法的应用                                                        132.4.1 Buffon实验及仿真程序                                                      132.4.2 蒙特卡洛方法计算定积分的仿真程序                                          14第三章 粒子滤波                                                              193.1 粒子滤波概述                                                              193.1.1 蒙特卡洛采样原理                                                         193.1.2 贝叶斯重要性采样                                                         203.1.3 序列重要性抽样（SIS）滤波器                                                   203.1.4 Bootstrap/SIR滤波器                                                       223.2 粒子滤波重采样方法实现程序                                                233.2.1 随机重采样程序                                                            243.2.2 多项式重采样程序                                                         253.2.3 系统重采样程序                                                          263.2.4 残差重采样程序                                                            273.3 粒子滤波原理                                                             283.3.1 高斯模型下粒子滤波的实例程序                                              28第二部分 应用篇                                                                33第四章 粒子滤波在单目标跟踪中的应用                                          334.1 目标跟踪过程描述                                                         334.2 单站单目标跟踪系统建模                                                    344.3 单站单目标观测距离的系统及仿真程序                                        374.3.1 基于距离的系统模型                                                      374.3.2 基于距离的跟踪系统仿真程序                                             384.4 单站单目标纯方位角度观测系统及仿真程序                                    434.4.1 纯方位目标跟踪系统模型                                                  434.4.2 纯方位跟踪系统仿真程序                                                  444.5 多站单目标纯方位角度观测系统及仿真程序                                     474.5.1 多站纯方位目标跟踪系统模型                                               474.5.2 多站纯方位跟踪系统仿真程序                                              48第五章 粒子滤波在多目标跟踪中的应用                                          545.1 多目标跟踪系统建模                                                        545.1.1 单站多目标跟踪系统建模                                                  545.1.2 多站多目标跟踪系统建模                                                  555.1.3 单站多目标线性跟踪系统的建模仿真程序                                     555.1.4 多站多目标非线性跟踪系统的建模仿真程序                                  575.2 多目标跟踪分类算法                                                        615.2.1 多目标数据融合概述                                                       615.2.2 近邻法分类算法及程序                                                     625.2.3 近邻法用于目标跟踪中的航迹关联及算法程序                                665.2.4 K-近邻法分类算法                                                          695.3 粒子滤波用于多目标跟算法中的状态估计                                     705.3.1 原理介绍                                                                 705.3.2 基于近邻法的多目标跟踪粒子滤波程序                                      71第六章 粒子滤波在电池寿命预测中的应用                                         766.1 概述                                                                     766.2 电池寿命预测的模型                                                        786.3 基于粒子滤波的电池寿命预测仿真程序                                        81

基于Meanshift的单目标跟踪算法【matlab+c两个版本】 基于meanshift的单目标跟踪算法实现 说明： 1. RGB颜色空间刨分，采用16*16*16的直方图 2. 目标模型和候选模型的概率密度计算公式参照上文 3. opencv版本运行：按P停止，截取目标，再按P，进行单目标跟踪 4. Matlab版本，将视频改为图片序列，第一帧停止，手工标定目标，双击目标区域，进行单目标跟踪。

对ECO-Efficient Convolution Operators for Tracking的python实现。

FairMOT-master.zip，6月16号版本。下载自：https://github.com/ifzhang/FairMOT/tree/master/。