实时跟踪网络摄像头中对象的水平和垂直位移。 将时间戳记x和y记录到可导入电子表格的逗号分隔值（.csv）文件中。 使用Lukas-Kanade算法，并基于OpenCV中的lkdemo.cpp进行精简，以在统一背景下以高对比度跟踪单个点。 基于BSD许可的OpenCV，TrackXY还具有BSD样式的许可。 我有点不好意思在这里发布它，因为它是一个非常基本的程序，但是我找不到任何其他现成的程序可以从网络摄像头实时跟踪对象，除了一个价值80美元的专用程序之外。在我们要复制的原始（扭力平衡）实验中使用。 我发布了TrackXY，以减少进入科学领域的障碍。 计划的功能包括每个平台的版本，GUI，全面的数据管理和数据分析工具。 要分析/ recorded /视频中的运动（非实时），您可能更喜欢PhysMo之类的东西，也是SourceForge项目。

一篇关于机器视觉和目标检测的论文。 在做目标识别的时候有帮助。

提出一种基于自适应白化的音乐节拍实时跟踪算法。在对音乐信号进行触发点检测之前，构建音乐信号短时傅里叶变换的当前频域峰值表，对各频段的频谱幅值进行自适应加权，使各个频段保持相似的动态范围，改善音乐信号起伏变化较大时触发点检测准确性低的问题，进而提高节拍实时跟踪效果。在MIREX2006标准测试库上的节拍跟踪实验表明，自适应白化的引入可整体提高P-score，特别是对于起伏变化很大的音乐信号，节拍跟踪效果的提高非常明显。

matlab匹配滤波代码具有遮挡处理的SORT 介绍 该存储库包含用于带遮挡处理的简单在线和实时跟踪（SORT_OH）的代码。 在原始算法中，未检测到阻塞，并导致ID切换和碎片度量增加。 在外观信息中，将基于深度外观描述符进行整合，以重新标识被遮挡的目标。 这导致ID Switch指标降低，但碎片指标提高，因为在遮挡过程中未检测到被遮挡的目标。 而且，使用外观特征增加了计算成本并降低了算法的速度。 在提出的算法中，仅使用边界框的位置和大小来检测遮挡，并且在不显着增加计算成本的情况下，同时减少了ID切换和碎片度量。 有关更多信息，请参见。 依存关系 该代码与Python 3兼容。运行跟踪器需要以下依赖项： NumPy 斯克莱恩 OpenCV 过滤 安装 首先，克隆存储库： git clone https://github.com/mhnasseri/sort_oh.git 然后，从下载MOT17数据集。 为了使MOT16上的结果可与SORT和DeepSORT算法的结果相提并论，私人检测来自以下论文： F. Yu, W. Li, Q. Li, Y. Liu, X. Shi, J. Yan.

这个是利用FPGA的一片焊接机器人实时跟踪系统传感器设计技术研究文章

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于OpenCV的双摄像头活体人脸判定及实时跟踪系统 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

该课题为基于matlab的运动汽车跟踪系统。读录视频，进行视频分帧，提取背景，框定运动目标。计算运动目标的数量，速度车道，车流密度等等信息带有人机交互界面框架，适合具备一定编程基础的人员学习。

KJ110型矿井人员实时跟踪定位监控系统KJ110E59E8BE79FBFE4BA95E4BABAE.doc

使用halcon调用电脑摄像头实现自定义目标的实时跟踪

% trafficObj1 = mmreader('traffic.avi'); trafficObj1 = VideoReader('traffic.avi'); mplay('traffic.avi'); darkCarValue=70; darkCar=rgb2gray(read(trafficObj1,71)); %noDarkCar=imextendedmax(darkCar,darkCarValue); %imshow(darkCar); %figure,imshow(noDarkCar); sedisk=strel('disk',2); %noSmallStructures=imopen(noDarkCar,sedisk); %imshow(noSmallStructures); nframes=get(trafficObj1,'NumberOfFrames'); %帧数 I=read(trafficObj1,1); %读取第一帧 taggedCars=zeros([size(I,1) size(I,2) 3 nframes],class(I)); %定义一个4维数组存放每一帧 for k=1:nframes singleFrame = read(trafficObj1,k); %读取第k帧 I=rgb2gray(singleFrame); %转换为灰度图像