VIP8

本课程属于：185-低空视觉小目标检测与跟踪 智能机器人、自动化与智能装备工程 · 共 8 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

目标跟踪实战仿真验证方案

📚 共计 30 章节

目标跟踪概述

什么是目标跟踪 · 应用场景（安防、自动驾驶、体育分析）· 挑战（遮挡、光照变化、形变）

目标跟踪基础理论

目标表示（颜色直方图、HOG、深度特征）· 相似度度量（巴氏距离、余弦、欧氏）· 搜索策略

经典跟踪算法（一）

均值漂移 Mean Shift · 原理、实现步骤、优缺点分析

经典跟踪算法（二）

卡尔曼滤波 · 状态预测与更新 · 在目标跟踪中的应用

经典跟踪算法（三）

粒子滤波 · 重要性采样、重采样 · 非线性跟踪应用

粒子非线性

相关滤波跟踪（一）

MOSSE · 最小二乘法求解滤波器 · 快速傅里叶变换加速

相关滤波MOSSE

相关滤波跟踪（二）

CSK/DCF · 循环矩阵与密集采样 · 核技巧引入

相关滤波跟踪（三）

KCF · 多通道HOG特征 · 核相关滤波 · 尺度估计

相关滤波跟踪（四）

DSST · 尺度滤波器 · 位置与尺度分离

相关滤波跟踪（五）

ECO · 因式分解卷积 · 紧凑样本模型 · 更新策略

深度学习跟踪（一）

Siamese网络基础 · SiameseFC · 全卷积孪生结构

孪生SiameseFC

深度学习跟踪（二）

SiamRPN · 区域提议网络RPN · 锚点机制

深度学习跟踪（三）

SiamMask · 跟踪与分割联合学习 · 二值掩码预测

深度学习跟踪（四）

DiMP · 元学习与判别模型 · 目标估计网络

深度学习跟踪（五）

TransT · Transformer架构 · 自注意力与交叉注意力

TransformerTransT

数据集与评估指标

OTB100、VOT、LaSOT、GOT-10k · 成功率图、精确度图、EAO

数据集评估

仿真环境搭建

Python环境 · OpenCV · PyTorch/TensorFlow · pytracking/got10k安装

数据预处理

视频帧读写 · 标注格式VOC/YOLO/COCO · 数据增强（翻转、旋转、裁剪）

预处理增强

基准测试框架

OTB评估框架 · VOT评估工具 · 自定义数据集评估流程

跟踪算法实现（一）

从零实现Mean Shift · 代码逐行讲解 · 参数调优

实现Mean Shift

跟踪算法实现（二）

从零实现KCF · HOG特征提取 · 核相关滤波计算

跟踪算法实现（三）

基于PyTorch实现SiameseFC · 网络结构 · 训练与测试

PyTorchSiameseFC

跟踪算法实现（四）

基于PyTorch实现SiamRPN · RPN头设计 · 损失函数

跟踪算法实现（五）

基于PyTorch实现TransT · Transformer编码解码 · 位置编码

模型训练与优化

数据准备 · 学习率调度 · 损失函数 · 模型保存加载 · 分布式训练

实时性优化

模型剪枝 · 量化 · TensorRT部署 · ONNX导出 · C++接口

多目标跟踪（MOT）

SORT · DeepSORT · 轨迹管理 · ID分配 · ReID特征

长时挑战 · LTMU算法 · 全局重检测 · 失败恢复策略

实战项目（一）

无人机视角车辆跟踪 · 数据集构建 · 算法选型 · 结果分析

实战无人机

实战项目（二）

体育视频运动员跟踪 · 多人跟踪 · 遮挡处理 · 轨迹可视化