案例22目标检测YOLO方法.py

先对各种跟踪方法做简单的介绍，然后重点介绍比较常用的Kalman跟踪算法与Meanshift算法，最后给出了一种利用openCv技术实现的目标跟踪方法

无人机目标检测中的脱靶量检测方法是判断目标是否离开预定轨迹的重要指标。一种基于图像处理和机器学习的方法，能够准确地测量无人机的脱靶量。该方法通过对目标进行检测和跟踪，并利用计算机视觉算法进行脱靶量的计

小目标、飞机相互遮挡等难以检测的问题,对飞机检测的准确性及实时性提出很大的挑战。将实时性较高的YOLO v3算法应用到机场场面飞机检测领域,并提出两点改进:将骨干网络中的卷积层替换为空洞卷积,保持较高

针对车辆检测任务，设计更高效、精确的网络模型是行业研究的热点。深层网络模型具有比浅层网络模型更好的特征提取能力，但构建深层网络模型时将导致梯度消失、模型过拟合等问题。应用残差网络结构可以缓解此类问题。

使用pyqt5搭建yolo3目标识别界面的方法

可以对本地avi或者USB摄像头的视频进行目标检测~

基于背景差分法的目标检测程序，对背景建模，并进行去噪等处理，然后提取前景目标，对目标进行识别与跟踪

里面包括目标检测的所有网络框架，以及一些重要的目标检测类型的论文。

目前最好的目标检测方法，在PASCAL数据中取得很好的效果

基于opencv的移动目标检测，c++实现的，喜欢的可以下载学习。