在人体运动目标检测部分,根据室内监控的特点,提出了先采用统计平均法获取室内背景,然后选用背景减除法对运动目标进行检测,接着利用改进的区域增长法对属于同一目标的像素区域进行合并,判断并提取人体目标。在人体跟踪部分,使用卡尔曼滤波器预测目标参数,再根据预测参数跟踪人体目标,得到行人的运动轨迹。利用Matlab/Simulink对整个系统进行建模仿真,并不断修正算法的参数。通过室内实际采集的几个视频序列进行试验,该算法能够正确地检测并且跟踪运动的人体。

python目标检测yolo车辆检测统计deepsort轨迹有登陆注册界面 效果链接：https://www.bilibili.com/video/BV1XY41177da/

对YOLOv5-6.1源码中的数据增强部分进行代码复现与测试

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab_图像处理应用案例合集_图像分割_运动目标检测_手写体数字识别_图像压缩与重建 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

针对生猪多目标跟踪过程中猪舍内光照情况复杂、生猪间遮挡等问题，改进了传统多运动目标跟踪算法，开发了一套基于计算机视觉技术的目标跟踪系统。改进了前景检测方法，将灰度差分、S通道差分和帧间差分所获取的差分图像相融合。利用阴影与背景的颜色差异性和纹理相似性消除阴影的影响，得到完整的前景图像，提高了前景提取的准确度。改进均值漂移算法实现对目标生猪运动行为的准确跟踪，改进的算法融入了目标生猪的初始位置与颜色信息，修正了目标直方图模型，提高了跟踪的准确率。不同品种、不同光照条件下生猪的运动行为跟踪实验的结果表明，运动目标检测方法能够有效消除阴影对跟踪的影响，同时验证了算法的稳定性，跟踪准确率大于85%。

目标类别：hangmu(aircraf-carrier)。图片数量1000张，图片尺寸1024x1024，图片类型卫星可见光彩图，标签格式xml。

林业病虫数据集，使用目标检测算法对图片中的虫子类别和位置进行预测

coco特定类别数据提取，coco json处理(拼接多个coco json文件，修改类别id，coco json划分训练集和测试集，json编码格式解码)，根据mask图像生成coco json文件，超大图像分patch的coco json处理，coco json数据查看(box，seg)，coco json数据统计，coco json与csv相互转化，labelme转coco，rle格式生成，via工具coco json显示等等，助力你快速开始模型训练。

基于matlab的运动目标检测与跟踪算法研究视频讲解 项目简介：https://blog.csdn.net/babyai996/article/details/124091328 项目下载：https://download.csdn.net/download/babyai996/83434868

保证良心，4000张训练集数据+1000张验证集数据，分为Up,Down,Squat三种姿态。一共5000个图像数据集，比那些动辄100块的数据集又没几张图片来的好。VOC验证集中缺少200张左右，可以自己从YOLO格式转过来，YOLO数据格式是全的。有些图片中没有人体目标,所以label文件会比训练集和验证集少几张是正常情况。