在单目标基础上，引入最大权值匹配，完成多目标跟踪

运动人体检测和行为识别涉及广泛，包括人工智能、计算机视觉、模式识别等，人体行为识别在医疗、商业、军事中具有重要的应用价值，为探究良好的人体行为识别方法，本文引入傅里叶-隐马尔可夫模型进行相关分析，在人体行为序列图像的识别过程中，需要了解有关人体行为二值图像的轮廓，然后采取科学的方式进行傅里叶变换，接着进行向量转化，形成观察符号序列，将矢量量化向特征向量变化，便于提取人体轮廓的特征，进行后续的应用研究。最后对人体的行为进行识别，采用隐马尔大夫分类器。利用傅里叶-隐马尔科夫模型进行人体识别，能够有效提高人体行为识别率，本次测试单个行为的识别中平均识别率达到94%，要进行深入探究，进行复杂环境复杂动作的识别，促进相关工作的改进。

卡尔曼滤波器 C ++中基于卡尔曼滤波的多目标跟踪的实现 安装 编译并生成重构文件mkdir build cd build cmake .. # 生成供make编译的规则文件makefile make # 编译源文件并生成可执行文件multiple_target_tracking 运行 启动多目标跟踪模拟程序./multiple_target_tracking

采用概率数据关联（PDA）跟踪多目标.是matlab代码，有疑问的地方大家可以相互学习。

https://github.com/ifzhang/ByteTrack，https://drive.google.com/file/d/1P4mY0Yyd3PPTybgZkjMYhFri88nTmJX5/view?usp=sharing。侵权联系我删除。

用FFT,即快速傅里叶变换实现多目标跟踪。在一幅图里，有几个相同的目标，通过将将这一目标模板就行翻转，然后与图像就行快速卷积运算，检测结果大于阈值的数值，标注多个目标所在的位置。

介绍多目标跟踪算法，包括（1）多目标跟踪处理流程，（2）数据关联算法；（3）联合概率数据互联算法

先引入多目标跟踪DeepSort的论文地址及代码链接（Python版）： 论文地址：https://arxiv.org/pdf/1703.07402.pdf 代码链接：https://github.com/nwojke/deep_sort SORT是一种实用的多目标跟踪算法，然而由于现实中目标运动多变且遮挡频繁，该算法的身份转换（Identity switches)次数较高。DEEPSORT整合外观信息使得身份转换的数量减少了45%。DEEPSORT属于传统的单假设跟踪算法，采用递归卡尔曼滤波和逐帧数据关联。所提方案为： （1）使用马氏距离和深度特征余弦距离两种度量 （2） 采用级联匹配，有限

代码比较简单易懂，可以在vs2010+opevn上直接运行，有详细的使用说明，如有错误，请留言指正。

3）多目标跟踪基本原理 多机动目标跟踪是指在多量测数据的情况下，利用跟踪滤波和数据关联算法对多个机动目标进行状态估计和跟踪的算法。 多机动目标跟踪不仅包括单机动目标的基本要素，还形成一些新的要素，主要包括跟踪门规则，数据关联和跟踪维持等。其中数据关联是多机动目标跟踪的核心。 多机动目标跟踪的基本框架如下图所示。