基于相关滤波的目标跟踪的研究

在粒子滤波的基础上融合扩展卡尔曼滤波算法,融合后的算法在计算提议概率密度分布时,充分考虑当前时刻的量测,使粒子的分布更加接近状态的后验概率分布。将此改进粒子滤波算法在“当前”统计模型框架下进行机动目标

针对目前高机动目标跟踪的 Jerk模型存在计算复杂度高的不足 ,提出一种四维常增益滤波器:α2 β2 γ2 δ模型。给出模型中α、 β 、 γ和δ 的计算公式 ,并将它与α2 β 、 α2 β2 γ滤

基于扩展Kalman滤波的双基地声呐目标轨迹跟踪

基于卡曼滤波与均值偏移算法的目标跟踪

该论文是一篇很好的关于多目标跟踪论文，提出了非高斯条件下基于粒子滤波的跟踪原理。

基于opencv的视频采集滤波角点检测目标跟踪，通过opencv函数打开摄像头，进行运动目标检测。

在OPENCV环境下实现目标的跟踪，采用粒子滤波的方法

这是一个基于粒子滤波的视频目标跟踪的matlab仿真程序，为了方便大家的使用，还特地在文件中附加了一组从视频中提取的仿真图片，需要注意的是，在tracker.m主程序中，读取图片的路径需要改成你存放图

摘　要:针对当前机动目标跟踪领域中多模型算法存在的问题,提出一种基于粒子滤波的模型自适应机动目标跟踪算法.首先,依据前一时刻每个粒子采用的模型状态和模型间的状态转移概率,实现对当前时刻模型的采样;然后

粒子滤波通常用于目标跟踪算法中；粒子滤波器是从带噪声的数据中估计运动状态，在状态空间中通过传播大量带权离散随机变量来近似概率分布并递归。