提出了一种新的基于核的自适应目标跟踪方法，以提高复杂背景下目标跟踪的鲁棒性和准确性。 尺度不变特征变换（SIFT），颜色和运动特征的三个核函数的线性加权组合用于表示跟踪目标的概率分布。 外观和运动功能相结合，以增强目标区域的位置稳定性和准确性。 跟踪窗口的大小可以根据相应SIFT对的仿射变换参数进行实时调整。 为了更好地提取特征，还根据场景自适应地调整了三个核函数的权重。 实验表明，该算法能够在不同场景下成功跟踪运动目标。 此外，它可以处理目标姿态，比例，方向，视图和照明变化，并且其性能优于经典的Camshift算法，基于SIFT的方法和基于颜色SIFT的方法。

提出了一种利用飞行器图像进行目标跟踪的方法, 建立了飞行器图像跟踪系统。该系统利用一 种云台控制算法搜索飞行器的图像, 通过对飞行器图像的边缘检测、图像中心点提取等处理, 实现了飞行器 图像定位。理论计算和实际应用表明, 该系统可以对低马赫数和高马赫数飞行器进行图像跟踪。

基于Camshift和目标轨迹跟踪相结合的多目标跟踪方法

本文旨在开发一种通用框架，以在单元格之间发生碰撞和分裂时准确跟踪和定量表征多个单元格（对象）。 通过引入单元格之间的三种类型的交互事件，即独立性，碰撞和分裂，定义了相应的动态模型，并针对空间变​​化的大小相邻的单元格，首先提出了一种增强的交互多模型粒子滤波跟踪算法。 另外，为了减少帧之间的对应性的歧义性，估计的小区动态参数和小区大小都被进一步用于识别关注小区。 实验是在两个真实的细胞图像序列上进行的，这些图像序列具有细胞碰撞，分裂或数量变化的特征，并获得并分析了所产生的动态参数，例如瞬时速度，转弯速率。

本文旨在开发一种通用框架，以在单元格之间发生碰撞和分裂时准确跟踪和定量表征多个单元格（对象）。 通过引入单元格之间的三种交互事件，即独立性，碰撞和分裂，定义了相应的动态模型，并针对空间变​​化的大小相邻的单元格，首先提出了一种增强的交互多模型粒子滤波跟踪算法。 另外，为了减少帧之间的对应性的歧义性，估计的小区动态参数和小区大小都被进一步用于识别关注小区。 实验是在两个真实的细胞图像序列上进行的，这些图像序列具有细胞碰撞，分裂或数量变化的特征，并获得并分析了所产生的动态参数，例如瞬时速度，转弯速率。

目标跟踪; 视觉注意; 显著性; 选择性注意; 视觉认知;

为设计一种可自动跟踪、避障的无人机视觉导航技术，将无人机同时搭载双目和单目摄像头：单目摄像头采集无人机相对于被跟踪物体的图像，并采用经Kalman预测器优化的连续自适应均值漂移算法对目标进行有效跟踪；双目摄像头实时采集无人机前进方向上的图像信息，并利用SGM算法计算深度图以分割出无人机前进方向上的障碍物信息。无人机在跟踪目标物体的同时，可自主避开行进方向上的障碍物。实验结果表明，该方法可以有效引导无人机持续、精确地对目标物体进行跟踪，并在跟踪过程中及时躲避前进方向上的障碍物。

作者：付饶，管业鹏 摘要：为有效跟踪视频网球运动,提出了一种基于卡尔曼滤波预测的粒子滤波网球运动跟踪方法.基于多尺度小波变换在时域和空域均具有优异的局部化特征,将相邻帧视频图像进行差分,提取反映前景运动的目标特征信息,克服光照变化以及网球运动尺度随时不断变化的不利因素影响;同时,基于网球场地结构化特性,排除场地外不利干扰因素影响.在此基础上,采用卡尔曼滤波对粒子进行预测和修正,将当前观测信息融入到粒子滤波过程中,估计预测粒子状态的均值和协方差,使动态粒子更加接近其后验概率分布,从而提高网球运动目标的跟踪精度.通过与同类方法在不同网球公开赛的定量对比,实验结果表明,所提方法能有效跟踪视频网球运动目标.展开 关键词：网球跟踪 粒子滤波 卡尔曼滤波 多尺度小波变换 预测 DOI： 10.3969/j.issn.1005-9490.2019.04.031 年份： 2019

本文概述了基于随机有限集的目标跟踪方法的产生、发展和研究现状．论文概要总结了基于随机有限集的目标跟踪方法的基础理论，主要包括随机有限集的理论基础，概率假设密度滤波器的理论基础，概率假设密度滤波器的实现方式以及基于随机有限集的目标跟踪算法的性能评价指标．文中同时简要介绍了概率假设密度滤波器在目标跟踪领域的应用，并对在该领域未来的发展提出了自己的看法．

电信设备-一种移动目标跟踪方法及装置.zip