使用粒子滤波进行多目标跟踪

对红外图像首先在方差空间中提取显著性区域，然后根据图像复杂度对显著性区域进行筛选，最后采用阈值分割方法分割显著性区域，获取目标。

针对camshift跟踪容易丢失目标问题，加入了kalman滤波来预测下一个可能存在的位置，跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法，后者的核心是沿某种函数的梯度方向迭代，之后根据迭代次数和误差阈值收敛于某一个范围，这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像，可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级，可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法，对运动不敏感，所以不能进行两帧之间目标的关联分析（这一部分要我们自己做）。而这个算法之所以能够用来跟踪，我认识是算法的前提假设，相连帧间目标的运动是微小的，即运动是近似连续的，这样密度函数是连续的，就可以沿梯度方向寻找局部最优值，这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢，这是因为密度函数可能有多个峰，而梯度搜索很容易掉进局部最优值，而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取，即目标特征的表示方式，是一个很重要的部分。

上传照片，以及代码，请下载这些照片和 d 代码以获得结果中添加的路径。

面对通过USB摄像头的实时拍摄的图像识别的例子。它的演示。没有在个人电脑上，但在嵌入式主板，如比格板性能问题，它需要的优化配置。它的运行速度非常慢。

应用背景ossimPlanet is an accurate 3D global geo-spatial viewer that is build on top of the OSSIM, OpenSceneGraph, and Trolltech QT open source software libraries. It provides native geo-spatial access to a wide range of commercial and government data formats with high the high performance visualization and collaboration capabilities. ossimPlanet is one of the key components of the Large Data Joint Capabilities and Technology Development project. This document describes the installation and use of ossimPlanet.关键技术ossimPlanet provides accurate 3D global visualization and collaboration. Instances of ossimPlanet can be synchronized for distributed collaboration. Native file access, on the fly elevation tree topography, and online access to OGC WMS and Worldwind sites is provided.

车辆的检测与跟踪是目前交通领域比较热门的话题，该文件使用opencv实现，包含了运动车辆检测跟踪系统里的源代码，可直接调用。

这是经过改进调试过的代码，主要用于图像处理，利用区域生长的方法实现图像处理。是一个调试可用的代码。

[background_array, model_fit_count_array, m_modes] = ...     test_background_subtraction_pixel(rgb_array,maxBGModels,init_wt_new_model,alpha) 对于某一像素位置建模，输入：某一像素位置几帧图像的rgb值，最大模型数目（3-5个），初始化模型的权重，和学习效率 输出：背景数组（1为背景，0为前景），符合模型的像素数，已及模型。

本代码是李春明博士的LBF方法的源代码，非常适合初学水平集的学者使用，代码易懂，解释详尽，非常正规，很值得详细学习

ransac算法， 去除误匹配点，可提高匹配的质量，也可提高匹配的速度，感兴趣的同学可以下载看看，