它是一组程序，用于检测和跟踪图像序列中的亮点。 添加了手册。 所有这些都是用西班牙语写的。

三次函数变量的代码matlab 滞后追踪 LagTrack是用Matlab编写的3D拉格朗日粒子跟踪代码，旨在计算现实大气条件下的非球形粒子的轨迹。 LagTrack的特征包括： 估计大范围雷诺数下非球形粒子的阻力系数的方法的实现 对于较大的粒子（即火山弹道弹丸），请执行弹出！ 方法 （） 检索输入参数的模块（例如，SRTM的地形，VAROS NOAA和ECMWF数据集的大气条件） 绘制和分析结果的模块 自动进行反演和灵敏度分析的模块 通过用户友好的GUI或命令行使用代码的能力 函数被编写为既可以用作GUI的一部分，也可以独立使用。 使用以下命令打开主GUI： LagTrack 请注意，GUI需要使用。 使用以下命令打印所有功能的摘要： help LagTrack_functions 表中的内容 输入参数 DEM 使用F. Beauducel的便捷功能自动检索DEM。 检索SRTM3磁贴。 下载DEM 使用GUI： downloadSRTM 使用命令行： downloadSRTM(latMin, latMax, lonMin, lonMax, scalingFactor, name,

PTVResearch 是最先进的粒子跟踪测速软件，它基于光流方程的 Lucas-Kanade 解。 该软件使用表面特征来确定固体和流体流动的速度场，适用于广泛的应用，包括：河流河流流动、密集颗粒流动和高保真流体力学流动。 PTVResearch 不仅计算高分辨率的欧拉和拉格朗日速度数据，而且还结合了先进的预处理和后处理工具。 基于 MatLab 的图形用户界面作为工具箱直接安装，无需任何专业知识即可使用。

我们提供了一种通用且快速的MATLAB程序（UmUTracker），该程序可以通过分析由光学显微镜或数字全息显微镜（DHM）采集的长视频序列来自动检测和跟踪粒子。 我们的程序使用等腰三角形变换找到二维粒子中心位置，并使用一维径向强度轮廓通过快速实施Rayleigh-Sommerfeld数值重建算法找到轴向位置。 *更新v1.1：2017/11 / 21-错误修复和Blob检测功能。 请访问我们的主页以获取更多信息：http://www.physics.umu.se/english/research/biological-physics/the-biophysics-and-biophotonics-group/ *请使用以下信息引用我们的工作：Zhang， H.，T。Stangner，K.Wiklund，A.Rodriguez和M.Andersson。 2017年。UmUTracker：通用的MATLAB程序，用于对2D光学显微镜或3D数字全息数据进行自动粒子跟踪。 计算物理公社219：390–399。

SIMPLETRACKER 一种可以处理间隙的简单粒子跟踪算法*跟踪*，或粒子链接，包括重建一个或几个粒子随时间移动的轨迹。 它们的位置在每一帧都有报告，但它们的身份尚不清楚：我们不知道前一帧中的哪个粒子对应于前一帧中的粒子。 框架。 跟踪算法旨在为该问题提供解决方案。 |simpletracker.m| 是 - 顾名思义 - 跟踪算法的简单实现，可以处理间隙。 当在一帧中检测到的一个粒子在后续一帧中没有检测到时，就会出现间隙。 如果不加以处理，这会在粒子消失的帧，以及它重新出现的帧中的虚假新轨迹。 |简单跟踪器| 首先执行帧到帧链接步骤，首先使用 |hungarianlinker| 的匈牙利算法在每个帧对之间创建链接。 在发现最近（欧几里得距离）的粒子巴黎之间创建链接。 凭借匈牙利算法，确保在两帧之间的所有粒子上最小化对距离的总和。 然后通过数据进行第二次迭代，调查轨道末端。 如果在后

PTVlab（粒子跟踪测速 - 实验室）是一款 Matlab 软件，具有最先进的数学算法和改编自开源项目 PIVlab 的图形用户界面 (GUI)。 该软件旨在使用拉格朗日参考系对实验图像测速测量进行分析，与标准粒子图像测速 (PIV) 技术相比，它可以提供多种优势。 有几个机构参与了PTVlab的开发。 Wernher Brevis 博士主要在智利大学和德国卡尔斯鲁厄理工学院攻读博士学位期间开发了基础数学算法及其实现（Brevis 等，2011）。 Brevis 博士在英国谢菲尔德大学的研究小组开发了新算法和错误修复。 作为阿根廷科尔多瓦国立大学博士研究的一部分，Antoine Patalano 对 PIVlab 图形用户界面的调整和新功能的开发做出了贡献。 我们的目的是提供一个开放源代码，最先进的工具以及易于使用的工具来分析实验流体力学图像，因此，我们将发布该软件的Beta版进行测

idl代码与Matlab 概述 runtrackpy是一种尝试提供一些友好的前端来跟踪一系列视频图像中的粒子的尝试。 它使用的Python实现。 现在，它已在很大程度上被已添加到中的存储和pandas功能所取代。 在安装runtrackpy之前，您可能应该看看单独的trackpy是否可以满足您的需求。 您可以在中看到runtrackpy中的runtrackpy 。 最后，请注意，与runtrackpy的原始numba加速分支trackpy的runtrackpy的旧版本是。 runtrackpy的主要优点是 像trackpy一样，它是免费的开放源代码（GPL），并且在免费的环境中运行。 它可以有效地扩展到大型数据集，而仅受磁盘空间限制。 原则上，可用RAM仅限制单个帧的大小。 它输出为标准数字文件格式HDF5，可由MATLAB，IDL等读取（尽管在那里，可能会受到可用RAM的限制）。 它包括用于有效读取其粒子轨迹数据库的工具，这些数据库可以用作您自己的分析的基础。 它包括用于并行跟踪许多电影的工具，尽管这并不是完全正确的做法。 请参阅run.py以开始使用。 runtrackpy是由的成

粒子滤波，实现目标稳定跟踪，同时具有背景建模的算法，得到稳定的背景信息

使用深度学习网络实现全息粒子场中粒子的跟踪。