针对美国联合导控器实验室提出的数据融合模型中多传感器多目标跟踪算法的仿真验证和定量评估的问题,采用模块化和开放性结构思想,面向对象编程及Visual C++与Matlab混合编程技术,构建了一类通用的可视化多传感器多目标跟踪算法仿真平台。该平台能够完成多种目标跟踪算法仿真、测试与评估功能。通过在系统运行的一个软件实例,证明了仿真平台的有效性与实用性。

基于Camshift和目标轨迹跟踪相结合的多目标跟踪方法

camshift 多目标跟踪算法，使用鼠标选中摄像头视频流中的多个目标，即可进行对目标进行跟踪。后续可使用kalman及例子滤波对目标跟踪进行优化，kalman及例子滤波程序参见我的其他资源。

为了同时满足目标跟踪定位精度和能耗要求，采用离散粒子群优化算法，并将目标跟踪定位精度和能量消耗进行综合考虑设计了目标任务分配算法。仿真结果表明：在能耗上，基于能耗和定位精度考虑的目标任务分配算法比仅基于能耗考虑的目标任务分配算法增加了19.37%，但定位精度却提高了68.877%。算法在达到定位精度要求的同时最大限度地降低了对资源的使用，有效延长了无线传感器网络的工作寿命。

tld算法matlab代码 multi-aim-track 多目标跟踪相关内容 相关设备 相关算法     评估标准

本文旨在开发一种通用框架，以在单元格之间发生碰撞和分裂时准确跟踪和定量表征多个单元格（对象）。 通过引入单元格之间的三种类型的交互事件，即独立性，碰撞和分裂，定义了相应的动态模型，并针对空间变​​化的大小相邻的单元格，首先提出了一种增强的交互多模型粒子滤波跟踪算法。 另外，为了减少帧之间的对应性的歧义性，估计的小区动态参数和小区大小都被进一步用于识别关注小区。 实验是在两个真实的细胞图像序列上进行的，这些图像序列具有细胞碰撞，分裂或数量变化的特征，并获得并分析了所产生的动态参数，例如瞬时速度，转弯速率。

本文旨在开发一种通用框架，以在单元格之间发生碰撞和分裂时准确跟踪和定量表征多个单元格（对象）。 通过引入单元格之间的三种交互事件，即独立性，碰撞和分裂，定义了相应的动态模型，并针对空间变​​化的大小相邻的单元格，首先提出了一种增强的交互多模型粒子滤波跟踪算法。 另外，为了减少帧之间的对应性的歧义性，估计的小区动态参数和小区大小都被进一步用于识别关注小区。 实验是在两个真实的细胞图像序列上进行的，这些图像序列具有细胞碰撞，分裂或数量变化的特征，并获得并分析了所产生的动态参数，例如瞬时速度，转弯速率。

TLD多目标跟踪算法程序，纯C版本，直接可以运行，跟踪速度快，由作者提供的混编程序改变，WINdow，Linux下都可以流畅的运行。

matlab实现增强型粒子滤波的多目标跟踪代码-BPF.rar data.rar 图像数据 BPF.rar 程序 楼主下载到了增强型粒子滤波的多目标跟踪代码，里面有说明，但是总运行不出来，求助呀！ 程序包太大了，就把包内的分开压缩了两个包，解压时放在一个文件夹内。

粒子滤波在单目标跟踪多目标跟踪电池寿命预测中的应用-粒子滤波算法原理及在多目标跟踪中的应用（Matlab程序）.ppt 本帖最后由 huangxu_love 于 2013-7-26 12:50 编辑 推荐一本学习粒子滤波原理的好资料《粒子滤波原理及应用仿真》，本手册主要介绍粒子滤波的基本原理和其在非线性系统的应用。同时本手册最大的优点是介绍原理和应用的同时，给出实现例子的matlab代码程序，方便读者对照公式，理解代码。因此，它是相关方面的研究者快速上手和进入研究领域的快捷工具。同时，对于有一定基础的研究者，可以在本手册提供代码的基础上，做算法进一步改进和深入研究。 如果你有编程或者原理咨询，可以联系我的QQ345194112. 目  录第一部分 原理篇                                                                1第一章 概述                                                                  11.1 粒子滤波的发展历史                                                        11.2 粒子滤波的优缺点                                                         21.3 粒子滤波的应用领域                                                        3第二章 蒙特卡洛方法                                                          42.1 概念和定义                                                                42.2 蒙特卡洛模拟仿真程序                                                     52.2.1硬币投掷实验（1）                                                        52.2.2硬币投掷实验（2）                                                      52.2.3古典概率实验                                                              64.2.4几何概率模拟实验                                                         72.2.5复杂概率模拟实验                                                          72.3 蒙特卡洛理论基础                                                           102.3.1大数定律                                                                  102.3.2中心极限定律                                                              102.3.3蒙特卡洛的要点                                                           112.4 蒙特卡洛方法的应用                                                        132.4.1 Buffon实验及仿真程序                                                      132.4.2 蒙特卡洛方法计算定积分的仿真程序                                          14第三章 粒子滤波                                                              193.1 粒子滤波概述                                                              193.1.1 蒙特卡洛采样原理                                                         193.1.2 贝叶斯重要性采样                                                         203.1.3 序列重要性抽样（SIS）滤波器                                                   203.1.4 Bootstrap/SIR滤波器                                                       223.2 粒子滤波重采样方法实现程序                                                233.2.1 随机重采样程序                                                            243.2.2 多项式重采样程序                                                         253.2.3 系统重采样程序                                                          263.2.4 残差重采样程序                                                            273.3 粒子滤波原理                                                             283.3.1 高斯模型下粒子滤波的实例程序                                              28第二部分 应用篇                                                                33第四章 粒子滤波在单目标跟踪中的应用                                          334.1 目标跟踪过程描述                                                         334.2 单站单目标跟踪系统建模                                                    344.3 单站单目标观测距离的系统及仿真程序                                        374.3.1 基于距离的系统模型                                                      374.3.2 基于距离的跟踪系统仿真程序                                             384.4 单站单目标纯方位角度观测系统及仿真程序                                    434.4.1 纯方位目标跟踪系统模型                                                  434.4.2 纯方位跟踪系统仿真程序                                                  444.5 多站单目标纯方位角度观测系统及仿真程序                                     474.5.1 多站纯方位目标跟踪系统模型                                               474.5.2 多站纯方位跟踪系统仿真程序                                              48第五章 粒子滤波在多目标跟踪中的应用                                          545.1 多目标跟踪系统建模                                                        545.1.1 单站多目标跟踪系统建模                                                  545.1.2 多站多目标跟踪系统建模                                                  555.1.3 单站多目标线性跟踪系统的建模仿真程序                                     555.1.4 多站多目标非线性跟踪系统的建模仿真程序                                  575.2 多目标跟踪分类算法                                                        615.2.1 多目标数据融合概述                                                       615.2.2 近邻法分类算法及程序                                                     625.2.3 近邻法用于目标跟踪中的航迹关联及算法程序                                665.2.4 K-近邻法分类算法                                                          695.3 粒子滤波用于多目标跟算法中的状态估计                                     705.3.1 原理介绍                                                                 705.3.2 基于近邻法的多目标跟踪粒子滤波程序                                      71第六章 粒子滤波在电池寿命预测中的应用                                         766.1 概述                                                                     766.2 电池寿命预测的模型                                                        786.3 基于粒子滤波的电池寿命预测仿真程序                                        81