完美的实现了视频目标跟踪，利用meanshift算法和kalman滤波算法。

这是一本研究目标定位跟踪的学习手册（在雷达，声纳，无线传感器网络领域等），采用的方法有最小二乘/极大似然，卡尔曼滤波，蒙特卡洛，粒子滤波等方法，更是很多读者需要的是里面有大量的仿真实例和程序代码，并配以中文注释，读者可以结合书中的原理和公式，对程序有进一步的理解。也适合很多读者在已有的代码的基础上对算法进行改进。

随着人工智能科学的发展，目标跟踪成为中外学者研究的热点，近年来很多目标跟踪算法相继被提出，其中，经典的卡尔曼滤波算法常被用于目标跟踪领域。然而，在实际情况中，目标跟踪过程常涉及到非线性非高斯问题，由于粒子滤波算法在非线性非高斯系统中有较好的性能，因此将其引入目标跟踪研究领域。针对粒子滤波算法存在的跟踪精度差、实时性不高等问题，近年来国内外学者提出很多改进方法。从特征融合、算法融合和自适应粒子滤波三个方面介绍了相关改进方法的基本思想，展望了粒子滤波算法在目标跟踪领域的发展方向。

双击打开exe文件，将视频拖入

目标跟踪是机器视觉中一类被广为研究的重要问题，分为单目标跟踪与多目标跟踪。前者跟踪视频画面中的单个目标，后者则同时跟踪视频画面中的多个目标，得到这些目标的运动轨迹。 基于视觉的目标自动跟踪在智能监控、动作与行为分析、自动驾驶等领域都有重要的应用。例如，在自动驾驶系统中，目标跟踪算法要对运动的车、行人、其他动物的运动进行跟踪，对它们在未来的位置、速度等信息作出预判。 目标跟踪算法可以进行轨迹特征的自动分析和提取，以弥补视觉目标检测的不足，有效的去除错误的检测，增加遗漏的检测，为进一步的行为分析提供基础。相对于多目标跟踪算法，视觉单目标跟踪算法研究的更为广泛，当前解决的相对更好。典型的如Mean shift算法，用卡尔曼滤波、粒子滤波进行状态预测，TLD等基于在线学习的跟踪，KCF等基于相关性滤波的算法等。

需要用caj文件浏览器打开

实时并且准确度高的目标跟踪算法。文件中为源码。具有参考价值

Camshift + Kalman卡尔曼滤波目标跟踪算法c++实现。通过摄像头获取视频帧，鼠标选取跟踪目标区域，对选中目标进行跟踪，卡尔曼滤波加强了跟踪的稳定性。

相关滤波目标跟踪算法

基于camshift跟踪算法，使用鼠标框选多个目标进行跟踪