无人机飞行视频数据集，便于开展单目标跟踪研究

在机动目标的运动跟踪中,为了减小搜索区域,需要对下一时刻目标位置进行预测。本文以医疗康复领域中基于视频的运动分析为背景,针对二维平面中静止背景的运动目标提出一种基于数据融合的预测跟踪方法。首先采用多项式拟合算法和基于当前模型的改进卡尔曼滤波算法分别对运动目标进行位置预测,然后采用数据融合的方法得到最终的预测结果。最后用计算机仿真和实验对所提出的预测算法进行了验证,结果表明本文算法与多项式拟合和卡尔曼滤波算法相比,预测误差更小,跟踪精度更高。

模拟2d激光雷达扫描目标所产生的量测点，用于目标跟踪。

VOT官网不提供数据集单独下载，本资源是目标跟踪数据集VOT2014，内含百度网盘链接和密码

著名视频目标跟踪benchmark - VOT2013，内部包含16个视频数据及对应的标注文件，本benchmark源于官网下载组织而成，方便连接外网不方面的同学。

数据关联的入门PPT，介绍了GNN，JPDA和MHT的原理。 对于想目标跟踪是非常好的入门材料

目标跟踪算法RT-MDNet在LaSOT、VOT2019数据集的跟踪结果。

目标跟踪是机器视觉中一类被广为研究的重要问题，分为单目标跟踪与多目标跟踪。前者跟踪视频画面中的单个目标，后者则同时跟踪视频画面中的多个目标，得到这些目标的运动轨迹。 基于视觉的目标自动跟踪在智能监控、动作与行为分析、自动驾驶等领域都有重要的应用。例如，在自动驾驶系统中，目标跟踪算法要对运动的车、行人、其他动物的运动进行跟踪，对它们在未来的位置、速度等信息作出预判。 目标跟踪算法可以进行轨迹特征的自动分析和提取，以弥补视觉目标检测的不足，有效的去除错误的检测，增加遗漏的检测，为进一步的行为分析提供基础。相对于多目标跟踪算法，视觉单目标跟踪算法研究的更为广泛，当前解决的相对更好。典型的如Mean shift算法，用卡尔曼滤波、粒子滤波进行状态预测，TLD等基于在线学习的跟踪，KCF等基于相关性滤波的算法等。