pedestrianTracking行人连续跟踪算法实现
在计算机视觉领域，行人跟踪（Pedestrian Tracking）是一项重要的技术，主要应用于视频监控、智能安全系统、自动驾驶等场景。本项目 pedestrianTracking 专注于在特定简单场景下实现 连续跟踪算法，采用 C++ 语言编写，使得该算法能够在各种硬件平台上高效运行。
目标是识别并追踪视频中的单个或多个行人，即使他们在帧之间发生 遮挡、形变或者 光照变化。此项目可能包含以下关键技术点：
-
特征提取：跟踪算法的第一步通常是提取行人的特征，如 颜色直方图、边缘、纹理、HoG（Histogram of Oriented Gradients）等。
-
卡尔曼滤波器（Kalman Filter）：用于估计目标的运动状态，结合实际观测数据进行校正，提高跟踪的稳定性和准确性。
-
光流法（Optical Flow）：计算像素在连续两帧间的运动信息，确定行人可能的移动方向和速度。
-
模板匹配：搜索与上一帧行人模板最相似的区域，尽管易受光照变化和遮挡影响。
-
深度学习方法：可能使用 卷积神经网络（CNN）进行行人检测，结合其他策略如 Siamese网络 或 DeepSORT。
-
多目标跟踪（MOT）：采用 MHT、JDE 或 FairMOT 等算法，管理多个假设轨迹以避免目标混淆。
-
数据关联：将检测到的目标与历史轨迹对应起来，使用匈牙利算法、最近邻算法等。
-
后处理：消除错误的跟踪结果，如去除短轨迹、轨迹合并等。
用户评论
