目标识别与跟踪算法matlab_目标跟踪算法|汇总

一些目标跟踪领域的benchmark，后期将会保持更新。
参考：Online Object Tracking: A Benchmark
MOT16：A Benchmark for Multi-Object Tracking

传统方式

主要是一些特征提取+滤波类搜索算法。

其中特征提取主要有：局部、全局特征、模板、直方图、binary pattern、PCA、sparse PCA、SR（sparse representation）、 discriminative model、generative model。

对于搜索机制：CSK、KCF/DCF、CN、粒子滤波、马尔可夫链蒙特卡罗法、局部最优搜索、密集抽样搜索。

深度学习方式

1、tracking-by-detection方式

主要针对目标检测算法和滤波类算法（多目标跟踪），yolo系列、SSD系列、anchor-free系列、two-stage系列等等，滤波类和上述传统方式相似。

2、基于Siamese Networks（生成式，主要针对单目标）

主要通过Siamese网络进行相似度匹配，主要操作为：首先手动选择初始图像中的目标，使用Siamese网络进行特征提取，然后以此特征为标准，遍历后面帧图像的每个位置，对每个位置进行特征提取，然后做比较，确定位置。

端到端方式

主要通过深度学习方式（RNN和LSTM），不过该方式速度较慢，相比于传统方式效果也没有很大的提升，现阶段几乎没有落地。

KITTI上的目标跟踪算法（benchmark）

往期干货资源：

汇总 | 国内最全的3D视觉学习资源，涉及计算机视觉、SLAM、三维重建、点云处理、姿态估计、深度估计、3D检测、自动驾驶、深度学习（3D+2D）、图像处理、立体视觉、结构光等方向！

汇总 | 3D目标检测（基于点云、双目、单目）

汇总 | 6D姿态估计算法（基于点云、单目、投票方式）

汇总 | 三维重建算法实战（单目重建、立体视觉、多视图几何）

汇总 | 3D点云后处理算法（匹配、检索、滤波、识别）

汇总 | SLAM算法（视觉里程计、后端优化、回环检测）

汇总 | 深度学习&自动驾驶前沿算法研究（检测、分割、多传感器融合）

汇总 | 相机标定算法

汇总 | 事件相机原理

汇总 | 结构光经典算法

汇总 | 缺陷检测常用算法与实战技巧