基于KCF的红外小目标跟踪算法 ，刘思思，陈忠，本文针对传统的核相关滤波跟踪算法KCF在红外目标运动速度过快、目标遮挡时存在丢失的问题，提出了一种基于KCF和MTH算法的红外小目标

针对传统的Meanshift方法在复杂条件下目标跟踪丢失问题,提出了一种将Meanshift与Kalman滤波器融合的视频运动目标跟踪算法。该算法可对跟踪加入运动目标预测,根据Meanshift跟踪结果判断是否开启Kalman滤波器的预测及滤波,能提高跟踪的鲁棒性。实验结果表明,该算法可以有效改善在复杂条件下的跟踪效果,具有较好的鲁棒性

做传感器研究的朋友，这是关于基于多特征融合的目标跟踪算法的一篇文章不错的。

一种经典的目标跟踪算法代码,内部包含了数据集和MATLAB代码,测试可以顺利运行

【滤波跟踪】Singer-Kalman模型下的机动目标跟踪算法含Matlab源码

智能视频监控中目标跟踪算法研究及应用

基于交互式多模型与多传感器联合概率数据互联的机动多目标跟踪算法，翟茹玲，汤三，针对机动目标在跟踪过程中，实际目标运动形式的复杂性和目标机动的不确定性，文中研究了基于卡尔曼滤波的交互式多模型算法，通过

大数据-算法-静止背景下运动目标跟踪算法分析比较.pdf

视频监控领域对计算机视觉技术有急切的需求，而视觉目标跟踪是其中一个重要的基 础研究问题，通过对感兴趣的目标物体进行跟踪并记录跟踪轨迹，我们可以从一段视频中 提取出一个结构化的视频摘要，还可以对视频中的群体或单体异常行为进行分析，或者协 助公安机关对犯罪嫌疑人进行查询和搜证，等等。经过近二十年的发展，现有的目标跟踪 方法已经可以在一些难度较小的视频场景中进行准确跟踪，但是，面对包含目标遮挡、形 变、快速运动等难点的视频场景时，现有跟踪算法的准确度和鲁棒性还有待提高。本文对 目标跟踪领域的发展进行了分析和探讨，并针对现有跟踪算法的缺陷提出了几种可供参 考的解决方法。本文的主要研究内容和贡献包括: 1)提出了一种结合消失判断的长时目标跟踪系统，解决了传统短时跟踪方法无法判 断目标消失状态、在遮挡情况下容易把背景干扰信息引入跟踪模型的问题。该系统基于结 构化支持向量机基础模型，把基于对数极坐标转换和混合高斯模型的目标消失判断机制 引入了跟踪系统中，在判断目标消失以后，停止跟踪模型和消失判断模型的更新，并采用 重检测方法对目标进行扩大搜索和检测。本方法可以在遮挡严重的场景下防止背景干扰 信息在跟

opencv_目标检测_国外一个大牛人写的MEAN-SHIFT目标跟踪算法_MEAN-SHIFT_目标跟踪_VC++