多目标跟踪paper列表与source code

最新推荐文章于 2025-11-14 13:08:36 发布
原创 最新推荐文章于 2025-11-14 13:08:36 发布 · 2.3k 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#multi-object-tracking #code #paper

本文汇总了多目标跟踪领域的相关数据集、论文及开源代码资源，并整理发布在个人的GitHub上，为研究者提供便捷的一站式资料获取途径。

多目标跟踪相关数据集，论文以及开源代码，资源整理在个人的github：
https://github.com/SpyderXu/multi-object-tracking-paper-list
多目标跟踪算法之SORT
DeepDriving
03-29 2299
SORT是2016年发表的一篇文章《》中提出的一个经典的多目标跟踪算法，该算法结合常用的卡尔曼滤波器和匈牙利匹配算法实现了一个简单的在线多目标跟踪框架。由于其超简单的设计，SORT可以以260 Hz的更新速率实现多目标跟踪，远超当时其它的目标跟踪算法。SORT目标跟踪算法仅使用卡尔曼滤波器和匈牙利算法解决帧与帧之间的状态预测和数据关联问题，跟踪的效果高度依赖于目标检测结果的好坏，算法整体设计非常简单，在速度和精度上取得较好的平衡，主要体现一个“快”字。当然，速度提升必然导致精度损失，SORT。
多目标跟踪
11-23
实现了静态背景下多目标的跟踪，并进行了可视化的跟踪效果，用矩形框框起了运动目标，并赋予了ID编号，还实现了另一种多目标跟踪算法
BoxMOT：多目标跟踪模块的巅峰之作
gitblog_00725的博客
09-10 396
BoxMOT 是一个集合了多种最先进（SOTA）多目标跟踪模块的开源项目，适用于分割、目标检测和姿态估计模型。该项目提供了丰富的插件式跟踪方法，支持从重到轻的各种 ReID 模型，如 CLIPReID、LightMBN、OSNet 等，用户可以根据需求自动下载。BoxMOT 与流行的目标检测模型如 Yolov8、Yolo-NAS 和 YOLOX 无缝集成，为用户提供了一个高效、灵活的多目标跟踪解决...
多目标跟踪-Multi-Object Tracking
热门推荐
求知若饥，知行合一
11-10 1万+
项目是『足球事件检索』。事件是一个 high-level 概念，需要基于一些 low-level 信息来做。后者主要就是一些图像处理的东西了。两个 level 之间，会有一些中间层的信息，比如足球的走向。根据师兄的建议，可以考虑对足球场上的运动员进行多目标跟踪，在跟踪轨迹的基础上抽取一些有用的信息。一来这个项目可能用到 MOT 作为中间的一个处理环节，另一方面有发论文的压力，MOT 或许是一个不错
多目标跟踪一个比较经典的帖子
sjtu_012的专栏
11-08 2985
 http://zipperary.com/2014/11/08/mot/#more#3326447-qzone-1-34778-45f1c4f3a96ac252188117d15f6a6750
精选资源
multi-object-tracking-paper-list:纸质清单和用于多目标跟踪的源代码-Source code
03-25
多对象跟踪文件列表 在MOT16，MOT17的排名列表中可以找到一些新作品，但是最近几个月似乎没有任何作品公开其源代码，因此我没有更新源代码列表。 有时，我认为MOT基准测试可能会导致研究人员朝错误的方向前进。 MOT...
My Graduation Project and paper source code， 本科毕业设计.zip
10-05
在这个名为"My Graduation Project and paper source code"的压缩包中，包含了某个学生本科毕业设计的完整资料，这通常包括设计文档、源代码、实验数据以及可能的论文草稿。 首先，毕业设计通常由以下几个部分构成...
Matlab source code of the paper _D. Wu, X. Jiang, R. Peng, W
09-03
Matlab source code of the paper _D. Wu, X. Jiang, R. Peng, W. Kong, J. Huang and Z. Zeng, Transfer Learning for Motor Imagery Based Brain-Computer Interfaces_ A Complete Pipeline, Information Sciences...
Ceres_vapor_paper_sourcecode:2017 Ceres蒸气生产条件报告中使用的热和蒸气扩散模型的源代码-ce source code
03-25
Ceres_vapor_paper_sourcecode 这是Landis等人[2017]使用的源代码，用于从谷神星上各种构造的冰冰产生蒸气（DOI：10.1002 / 2017JE005335） 埋冰台升华 应该首先运行“ Ceres_annual_average_temperatures.m” 。 ...
github-paper:与github相关的Computational Biology论文中的Plos供研究人员，代码，源代码和文档使用-git source code
03-25
利用git和GitHub的十个简单规则 描述 该存储库包含标题为：充分的手稿。 我们的目的是描述生物信息学社区如何每天使用GitHub功能和工具。 预印本： : 在PLoS计算生物学中： : 评论和贡献 我们希望尽快完成稿稿并...
多目标跟踪multiple object tracking(MOT)
01-06
1。 参考视频效果 https://www.bilibili.com/video/av59547404/?spm_id_from=333.788.b_7265636f5f6c697374.14 People Tracking and Counting [ VIDEO ]: TownCentreXVID_OUTPUT_20FPS [ MODEL ]: YOLOv3 + DeepSORT [ GITHUB ]: 代码： https://github.com/yehengchen/Object-Detection-and-Tracking/tree/master/OneStage， tensorfl
DeepSORT_YOLOv3: 多目标跟踪(MOT) 开源项目教程
最新发布
gitblog_00540的博客
11-14 925
### 简介 `deep_sort_pytorch` 是一个多目标追踪（Multi-Object Tracking, MOT）的实现库，它结合了YOLOv3和DeepSORT算法来识别和跟踪视频流中的多个对象。此项目的主要特色是利用深度学习技术进行特征提取，从而提高了跟踪的精确度。 DeepSORT算法本质上是对SORT算法的一种改进，加入了CNN模型来从人类部分的图像边界中抽取特征。原本的检
not like this, I want full Affine Frequency Division Multiplexing AFDM paper source code
07-12
AFDM（Affine Frequency Division Multiplexing）是一种新兴的多载波调制技术，具有在B5G/6G通信系统中实现高谱效性和抗干扰能力的潜力。尽管完整的开源实现较少见，但已有研究探讨了其理论基础和潜在应用。 ### AFDM 的核心原理与结构 AFDM通过非正交子载波分配来提升频谱效率，其核心思想是使用仿射变换对频域信号进行映射。这种非均匀分布的子载波配置可以适应动态信道环境，并为MIMO和ISAC等高级通信架构提供支持[^1]。AFDM的框图通常包括以下模块： - **发射端**：数据符号经过仿射映射后插入到非均匀间隔的子载波上，然后通过IFFT转换为时域信号。 - **接收端**：接收到的信号经过FFT转换回频域，再根据仿射参数提取对应的数据符号。 AFDM在没有信道编码的情况下，其分集阶数为1；然而，通过引入超越数的相位旋转方案，能够实现全分集增益[^2]。 ### AFDM 论文资源推荐 关于AFDM的详细论文资料，建议参考以下学术会议或期刊： - **“From Orthogonal Time Frequency Space to Affine Frequency Division Multiplexing”** [^1] 发表于 *2021 17th International Symposium on Wireless Communication Systems (ISWCS)*，由法国华为研发团队提出，详细阐述了AFDM的基本原理、仿真结果以及未来发展方向，如MIMO扩展、硬件优化及ISAC设计。 该论文可在IEEE Xplore数据库中找到，链接如下（需订阅访问）： [https://ieeexplore.ieee.org/document/9492328](https://ieeexplore.ieee.org/document/9492328) 此外，还可以搜索相关关键词如 *"Affine Frequency Division Multiplexing" AND "waveform design"* 在Google Scholar 或 arXiv.org 上查找最新研究成果。 ### AFDM 源码示例（简化版） 以下是一个基于Python的AFDM仿真代码片段，用于展示基本的调制解调流程： ```python import numpy as np def afdm_modulate(data, num_subcarriers, alpha): """ 简单的 AFDM 调制函数 :param data: 输入数据符号 (复数数组) :param num_subcarriers: 子载波数量 :param alpha: 仿射参数 (控制子载波偏移) :return: 调制后的时域信号 """ freq_domain = np.zeros(num_subcarriers, dtype=complex) indices = np.round(np.linspace(0, num_subcarriers - 1, int(num_subcarriers * alpha))).astype(int) freq_domain[indices] = data[:len(indices)] time_domain = np.fft.ifft(freq_domain) return time_domain def afdm_demodulate(signal, num_subcarriers, alpha): """ 简单的 AFDM 解调函数 :param signal: 接收到的时域信号 :param num_subcarriers: 子载波数量 :param alpha: 仿射参数 (控制子载波偏移) :return: 恢复的数据符号 """ freq_domain = np.fft.fft(signal) indices = np.round(np.linspace(0, num_subcarriers - 1, int(num_subcarriers * alpha))).astype(int) data = freq_domain[indices] return data ``` ### 示例运行 ```python # 参数设置 num_subcarriers = 64 alpha = 0.5 # 仿射因子 data_length = int(num_subcarriers * alpha) # 随机生成数据符号 data_symbols = np.random.randn(data_length) + 1j * np.random.randn(data_length) # 调制 tx_signal = afdm_modulate(data_symbols, num_subcarriers, alpha) # 添加噪声（模拟信道） rx_signal = tx_signal + 0.1 * (np.random.randn(len(tx_signal)) + 1j * np.random.randn(len(tx_signal))) # 解调 received_data = afdm_demodulate(rx_signal, num_subcarriers, alpha) print("原始数据:", data_symbols) print("恢复数据:", received_data) ``` 上述代码仅作为教学用途，实际系统还需考虑信道估计、均衡、同步等模块。 ---
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值