通过matlab，利用帧差法和灰度级的不同，检测出运动的物体，并用矩形框框出来。其中有详细的讲解。并且文件可运行出来

视觉伺服技术在诸多工业场景中都有相当大的应用前景。传统的视觉伺服方法，通常要求使用高帧率的相机来实现高精度的视觉伺服。高帧率相机的成本之高，使得一般工业用户望而却步。提出了一种新的视觉伺服控制方法，该方法将机器人的运动反馈与视觉传感信号进行了融合，用来产生机器人的运动控制信号。与传统的仅基于视觉反馈伺服的控制方法相比，新方法的运动控制频率与视觉反馈频率（即相机帧率）无关，因此能在低相机帧率条件下，实现高精度的动态视觉伺服。概述了新视觉伺服方法的控制架构，通过动态物体跟踪实验证明了新方法的可行性，并通过性能测试实验说明了新方法在低帧率条件下仍能实现较高精度的视觉伺服。

摄像头物体识别、定位跟踪。手动框选，具有学习能力，直接可用！

探讨了多假设跟踪算法（MHT）在多物体检测跟踪系统中的应用方式。该方法采用卡尔曼滤波算法实现跟踪轨迹假设，采用LAP算法实现数据关联，将预测和视频采集测量值结合得到最优跟踪轨迹。实验表明，该方法在实践中达到了较好的效果。

英文教材，讲解物体追踪的基础方法，涵盖面广。

python+opencv+meanshift算法实现物体跟踪， 读取一段视频，并对视频中指定区域的物体进行跟踪

运动物体的跟踪是把运动的物体检测出来, 对目标编号并获取运动轨迹。因此, 运动跟踪系统性能的优劣关键取决于运动前景检测的准确度。文章首先设计了一种有效的基于自动阈值分割的混合模型运动目标检测算法, 然后以此为基础创建了一个独立的前景检测模块, 最后将该模块嵌入到OpenCV 提供的运动跟踪系统框架里, 实现了一个完整的运动跟踪系统。运行结果表明, 该系统具有较好的稳定性、准确性, 满足了运动跟踪系统实时性、鲁棒性的要求。

编程实现运动物体跟踪的代码VC+OPENCV

在计算机和摄像设备环境中，由摄像头识别目标物体，能够识别具有一定特征的运动物体，通过物体的移动特征来控制鼠标，从而进行简单的电脑操作。

基于扩展卡尔曼滤波的运动物体跟踪，耿沛，苏小龙，卡尔曼滤波是一种线性最优估计方法，但是实际有很多非高斯分布模型需要观测。本文研究的扩展卡尔曼滤波就很好的解决这一问题，大