01
目标跟踪概述
什么是目标跟踪 · 安防/自动驾驶/体育分析 · 遮挡/形变/光照/尺度挑战
入门场景
02
目标跟踪基础理论
数学建模 · 状态估计与观测模型 · 贝叶斯滤波与卡尔曼滤波
滤波数学
03
经典跟踪算法(一) Mean Shift
均值漂移原理 · 实现步骤 · 优缺点分析
经典无参
04
经典跟踪算法(二) CAMShift
连续自适应均值漂移 · 与Mean Shift区别 · 实战应用
自适应颜色
05
经典跟踪算法(三) 光流法
Lucas-Kanade · 稀疏/稠密光流 · OpenCV实现
运动OpenCV
06
相关滤波跟踪(一) MOSSE
最小均方误差滤波 · 算法原理 · 代码实现
滤波高速
07
相关滤波跟踪(二) CSK / KCF
循环矩阵与核技巧 · HOG特征融合 · 高速跟踪
核方法HOG
08
相关滤波跟踪(三) DSST / SAMF
尺度自适应 · 多特征融合策略 · 鲁棒跟踪
尺度融合
09
相关滤波跟踪(四) SRDCF / ECO
空间正则化 · 深度特征 · 高效卷积算子
正则化深度
10
深度学习跟踪入门
CNN基础 · 特征提取 · ImageNet预训练模型
CNN迁移
11
Siamese网络(一) SiameseFC
全卷积孪生网络 · 网络结构详解 · 端到端跟踪
孪生全卷积
12
Siamese网络(二) SiamRPN
区域提议网络(RPN) · 跟踪中的候选框回归
RPN回归
13
Siamese网络(三) SiamMask
实例分割+跟踪 · 二值掩码预测 · 视觉目标分割
分割掩码
14
Siamese网络(四) SiamBAN / SiamCAR
Anchor-Free思想 · 中心点回归 · 高效跟踪
无锚中心
15
基于检测的跟踪(一) 范式
Tracking-by-Detection · IoU匹配 · 匈牙利算法
检测匹配
16
基于检测的跟踪(二) SORT
Simple Online Realtime · 卡尔曼滤波 · 数据关联
实时卡尔曼
17
基于检测的跟踪(三) Deep SORT
外观特征提取 · 级联匹配 · 行人跟踪
ReID级联
18
基于检测的跟踪(四) FairMOT
联合检测与ReID · Anchor-Free · 多目标均衡
联合均衡
19
Transformer跟踪(一) 基础
自注意力机制 · ViT · 特征序列化
注意力ViT
20
Transformer跟踪(二) TransT
特征融合与跟踪 · 交叉注意力 · 高性能
融合交叉
21
Transformer跟踪(三) MixFormer / OSTrack
端到端跟踪 · 混合注意力 · 单流架构
端到端单流
22
多目标跟踪(MOT)基础
任务定义 · MOTA/IDF1/HOTA · MOT17/MOT20
指标数据集
23
多目标跟踪实战(一) Deep SORT行人
数据集准备 · 模型训练 · 行人跟踪流水线
实战行人
24
多目标跟踪实战(二) FairMOT车辆
车辆跟踪 · 多类别跟踪 · 交通场景
车辆多类别
25
单目标跟踪实战(一) SiameseFC
自定义目标跟踪 · 视频流处理 · 实时推理
自定义视频流
26
单目标跟踪实战(二) KCF调优
实时跟踪 · 参数调优 · 性能优化
调优实时
27
模型部署 ONNX / TensorRT
ONNX转换 · TensorRT加速 · Jetson Nano部署
部署边缘
28
项目实战(一) 智能交通监控
车辆计数 · 轨迹绘制 · 交通流分析
交通计数
29
项目实战(二) 体育赛事分析
球员跟踪 · 热力图生成 · 战术分析
体育热力图
30
课程总结与前沿展望
SOTA对比 · 多模态/3D跟踪 · 大模型应用
前沿趋势