基於粒子濾波器與馬爾科夫隨機場的實時多目標跟蹤算法—論文及C++源碼

簡介

該算法是《基於粒子濾波器與馬爾科夫隨機場的實時多目標跟蹤算法》，具有線性的算法複雜度，能夠避免目標間的ID交換錯誤。

馬爾科夫隨機場（Markov Random Field，MRF）是計算機視覺、圖像處理等研究的重要工具。它在圖像處理中的應用廣泛。它不僅可處理底層視覺（圖像分割、邊緣檢測），還可用於中高層視覺處理（多目標跟蹤、場景分析和理解）。在本文中，沈樂君試圖用最簡單直觀的方式來講解馬爾科夫隨機場（MRF）、粒子濾波器（Particle Filter）和多目標跟蹤（Multi-Object Tracking）算法，還保留一些源代碼連接，希望對您有用。

目錄：
1. 馬爾科夫隨機場（MRF）的介紹
2. 基於MRF的噪聲圖像分割
3. 粒子濾波器的介紹
4. 綜合MRF與粒子濾波器進行多目標跟蹤
5. 自助重要性採樣（BISP）的實時多目標跟蹤

論文

英文論文：http://www.shenlj.cn/en/Shen_SIMM_accv2014.pdf  《Real-time Tracking of Multiple Objects by Linear Motion and Repulsive Motion》
中文論文：http://www.shenlj.cn/download/20121012.pdf   《自助重要性採樣用於實時多目標視覺跟蹤》

PPT

PPT：《馬爾科夫隨機場與實時多目標跟蹤算法》

源碼

演示程序：http://www.shenlj.cn/en/fast.zip
C++源代碼：http://www.shenlj.cn/en/

開發環境：Visual Studio 2005
開發語言：C++
使用開發包：OpenCV 1.0（通過cve.lib內置在上述源代碼中）
視頻編碼器：Xvid

作者主頁

http://www.shenlj.cn/