目标识别与跟踪算法matlab_目标跟踪算法|汇总

一些目标跟踪领域的benchmark&＃xff0c;后期将会保持更新。
参考&＃xff1a;Online Object Tracking: A Benchmark
MOT16&＃xff1a;A Benchmark for Multi-Object Tracking

传统方式

主要是一些特征提取&＃43;滤波类搜索算法。

其中特征提取主要有&＃xff1a;局部、全局特征、模板、直方图、binary pattern、PCA、sparse PCA、SR&＃xff08;sparse representation&＃xff09;、 discriminative model、generative model。

对于搜索机制&＃xff1a;CSK、KCF/DCF、CN、粒子滤波、马尔可夫链蒙特卡罗法、局部最优搜索、密集抽样搜索。

深度学习方式

1、tracking-by-detection方式

主要针对目标检测算法和滤波类算法&＃xff08;多目标跟踪&＃xff09;&＃xff0c;yolo系列、SSD系列、anchor-free系列、two-stage系列等等&＃xff0c;滤波类和上述传统方式相似。

2、基于Siamese Networks&＃xff08;生成式&＃xff0c;主要针对单目标&＃xff09;

主要通过Siamese网络进行相似度匹配&＃xff0c;主要操作为&＃xff1a;首先手动选择初始图像中的目标&＃xff0c;使用Siamese网络进行特征提取&＃xff0c;然后以此特征为标准&＃xff0c;遍历后面帧图像的每个位置&＃xff0c;对每个位置进行特征提取&＃xff0c;然后做比较&＃xff0c;确定位置。

端到端方式

主要通过深度学习方式&＃xff08;RNN和LSTM&＃xff09;&＃xff0c;不过该方式速度较慢&＃xff0c;相比于传统方式效果也没有很大的提升&＃xff0c;现阶段几乎没有落地。

KITTI上的目标跟踪算法&＃xff08;benchmark&＃xff09;

往期干货资源&＃xff1a;

汇总 | 国内最全的3D视觉学习资源&＃xff0c;涉及计算机视觉、SLAM、三维重建、点云处理、姿态估计、深度估计、3D检测、自动驾驶、深度学习&＃xff08;3D&＃43;2D&＃xff09;、图像处理、立体视觉、结构光等方向&＃xff01;

汇总 | 3D目标检测&＃xff08;基于点云、双目、单目&＃xff09;

汇总 | 6D姿态估计算法&＃xff08;基于点云、单目、投票方式&＃xff09;

汇总 | 三维重建算法实战&＃xff08;单目重建、立体视觉、多视图几何&＃xff09;

汇总 | 3D点云后处理算法&＃xff08;匹配、检索、滤波、识别&＃xff09;

汇总 | SLAM算法&＃xff08;视觉里程计、后端优化、回环检测&＃xff09;

汇总 | 深度学习&自动驾驶前沿算法研究&＃xff08;检测、分割、多传感器融合&＃xff09;

汇总 | 相机标定算法

汇总 | 事件相机原理

汇总 | 结构光经典算法

汇总 | 缺陷检测常用算法与实战技巧