目标跟踪的算法流程

A. 多假设追踪方法mht是什么算法

多假设跟踪算法是一种数据关联类型的多目标跟踪算法，实现方式分为面向假设的MHT和面向航迹的MHT两种。
MHT算法的实现流程包括航迹关联和航迹维护两个步骤。
MHT算法计算量庞大，随着量测数和目标数呈指数级增长，但对于杂波密集环境下的多目标跟踪具有很高的准确率。

B. 计算机视觉中，目前有哪些经典的目标跟踪算法

第一章介绍运动的分类、计算机视觉领域中运动分析模型、计算机视觉领域运动检测和目标跟踪技术研究现状、计算机视觉领域中运动分析技术的难点等内容；
第二章介绍传统的运动检测和目标跟踪算法，包括背景差分法、帧间差分法、光流场评估算法等；
第三章介绍具有周期性运动特征的低速目标运动检测和跟踪算法，并以CCD测量系统为例介绍该算法的应用；
第四章介绍高速运动目标识别和跟踪算法，并以激光通信十信标光捕获和跟踪系统为例介绍该算法的应用；
第五章介绍具有复杂背景的目标运动检测过程中采用的光流场算法，包括正规化相关的特性及其改进光流场评估算法，并介绍改进光流场算法的具体应用；
第六章介绍互补投票法实现可信赖运动向量估计。

C. 目标跟踪的生成算法

目标跟踪的生成算法是利用生成的模型来来描述目标的特征。

D. 粒子滤波如何在算法中实现目标跟踪 就是怎么一步步实现跟踪的，求高手帮助

我通俗解释一下，粒子滤波（PF）的应用大致这样：（其实目标跟踪的理论就是对状态向量的实时估值）

1. 设有一堆样本，假设有N个，初始给他们同样的权值1/N。

2. 这个系统状态转移方程，一般是非线性的，我们只需要知道怎么做才能把这时刻的状态值传播到下一个时刻。具体做法，N个样本值通过状态转移得下一时刻的样本预测值，包含过程噪声因素。d

3. 系统还有一个非线性的观测方程，通过它得到真正的观测值Z。这时候，把N个样本预测值带进去获得Z‘。

4. 根据Z’和Z相差的程度，决定对这个样本的可信程度，当然越接近的越好，然后把这些可信程度进行权值归一化。

5. 重采样环节，把这些样本按照权值进行随机采样（权值越高的，当然越容易被抽中。比如说，下一时刻的值，有四个样本说等于1，有两个样本说等于1.5，那么有2/3概率认为等于1.这个解释起来真的有够复杂的，一般做起来200~300个样本获得的值都接近一样了，还要设个2/3n的阈值防止粒子匮乏，也就是防止所有样本得到相同的后验估计结果），获得的值尽可能接近真实发生的情况。

6. 循环2~5
   

E. 基于卡尔曼滤波的目标跟踪怎么做

在cnki上下篇kalman目标跟踪的
硕士论文
吧，很多的，当然期刊也可以，不过一般情况下硕士论文讲的能详细点，然后找准一篇仔细研读，这样子基本上理论就没啥问题了，编程就用MATLAB，用C很麻烦，很多
算法
都没有得自己从头编，matlab集成了很多的算法的，只要找出来调用就行了。
这里给你
说下
kalman跟踪的思路吧：
0.如果你的视频是
实际
录得话，为防止检测到伪目标，首先要对输入的
图像
进行滤波，简单的有中值均值滤波。
1.对视频
序列
采用
背景差分
或帧间
差分
就可以得到运动
区域
了，这里重点就是背景建模，如果嫌麻烦也就别看什么单
高斯
或多高斯的了，直接找一个空帧(没有运动目标)当背景就OK了，差分后就有了运动区域，然后
二值化
方便以后的处理。然后视有没有阴影而进行阴影去除的工作。
2.上边这步也就是检测出了运动区域，按你的检测出来是要给边边
画圈
，这个在matlab上好好研究研究怎样提取目标边缘的点，在
原位
图图上把边缘的点改变成一个同
像素
值就行了，这样检测就完了。
3.跟踪，首先得找到目标的中心，因为目标不只是一个像素，必须有
一个中心
来表示它的坐标位置，这个方法自己想啦，什么取均值求外接矩形中心啊都可以的，然后每一帧都这么做就有一系列的中心坐标了。
4.Kalman，Kalman的作用还是以滤波为主，相当于把第三步的那些坐标都当成
信号序列
，用Kalman滤波，边检测边滤波，kalman主要记住那5个
公式
，知道它的递推
过程
就基本能编出来了，至于
滤波器
参数
就在参考文献里找吧，编出来kalman部分的
程序
没多少行的，别怕。
5.如果是多目标跟踪的话就进行目标匹配的工作，相当于每帧都检测出两个目标，你要知道最新一帧中的每个分别对应的是前边帧的哪个目标。
上边这些给你一个大体的思路，你根据自己的任务选择做哪些工作，这个题目不难的，要
有信心

F. 目标跟踪都有哪些方法

尾随，监控，定位

G. 自动跟踪的跟踪算法

质心跟踪算法：这种跟踪方式用于跟踪有界目标，且目标与环境相比有明显不同灰度等级，如空中飞机等。目标完全包含在镜头视场范围内。

相关跟踪算法：相关可用来跟踪多种类型的目标，当跟踪目标无边界且动态不是很强时这种方式非常有效。典型应用于：目标在近距离的范围，且目标扩展到镜头视场范围外，如航行在大海中的一艘船。

相位相关算法：相位相关算法是非常通用的算法，既可以用来跟踪无界目标也可以用来跟踪有界目标。在复杂环境下（如地面的汽车）能给出一个好的效果。

多目标跟踪算法：多目标跟踪用于有界目标如飞机、地面汽车等。它们完全在跟踪窗口内。对复杂环境里的小目标跟踪，本算法能给出一个较好的性能。
边缘跟踪算法：当跟踪目标有一个或多个确定的边缘而同时却又具有不确定的边缘，这时边缘跟踪是最有效的算法。典型如火箭发射，它有确定好的前边缘，但尾边缘由于喷气而不定。

场景锁定算法：该算法专门用于复杂场景的跟踪。适合于空对地和地对地场景。这个算法跟踪场景中的多个目标，然后依据每个点的运动，从而估计整个场景全局运动，场景中的目标和定位是自动选择的。当存在跟踪点移动到摄像机视场外时，新的跟踪点能自动被标识。瞄准点初始化到场景中的某个点，跟踪启动，同时定位瞄准线。在这种模式下，能连续跟踪和报告场景里的目标的位置。

组合跟踪算法：顾名思义这种跟踪方式是两种具有互补特性的跟踪算法的组合：相关类算法 + 质心类算法。它适合于目标尺寸、表面、特征改变很大的场景。

H. 目标跟踪都有那些算法

目标跟踪,利用相邻两帧的区域匹配从图像序列中建立目标链,跟踪目标从进入监视范围到驶离监视范围的整个过程。首称要确定匹配准则。常用的图像匹配方法有Hausdorff距离区域法和图像互相关。

I. opencv中目标跟踪的算法有哪些

是对MeanShift算法的改进算法，可以在跟踪的过程中随着目标大小的变化实时调整搜索窗口大小，对于视频序列中的每一帧还是采用MeanShift来寻找最优迭代结果，至于如何实现自动调整窗口大小的，