實現12種不同的算法來跟蹤視頻和網絡攝像頭中的對象！

你會學到:
使用Python和OpenCV跟蹤視頻和網絡攝像頭中的對象
理解跟蹤算法的基本直覺
實現12種跟蹤算法
了解對象檢測和對象跟蹤之間的區別

要求
程序設計邏輯
基本Python編程

MP4 |視頻:h264，1280×720 |音頻:AAC，44.1 KHz，2 Ch
語言：英語+中英文字幕（根據原英文字幕機譯更準確） |時長:33節課(4h 44m) |大小解壓后:2.33 GB

描述
目標跟蹤是計算機視覺的一個子領域，其目標是在視頻的連續幀中定位目標。一個應用的例子是視頻監控和安全系統，其中可以檢測到可疑的行動。其他的例子還有高速公路上交通的監控，以及足球比賽中球員運動的分析！在最后一個例子中，可以追蹤球員在比賽中走的完整路線。

為了帶您進入這一領域，在本課程中，您將學習使用Python語言和OpenCV庫的主要對象跟蹤算法！你將學習關于12(十二)種算法的基本直覺，并一步一步地實現它們！在課程結束時，您將知道如何將跟蹤算法應用于視頻，因此您將能夠開發自己的項目。將涵蓋以下算法:Boosting、MIL(多實例學習)、KCF(核相關濾波器)、CSRT(具有通道和空間可靠性的鑒別相關濾波器)、MedianFlow、TLD(跟蹤學習檢測)、MOSSE(最小輸出平方和)誤差)、Goturn(使用回歸網絡的通用對象跟蹤)、Meanshift、CAMShift(連續自適應Meanshift)、光流稀疏和光流密集。

您將學習所有算法的基本直覺，然后，我們將使用PyCharm IDE實現和測試它們。需要強調的是，課程的目標是盡可能的實用，所以，不要對理論期望太高，因為你將只學習每個算法的基本方面。展示所有這些算法的目的是讓你有一個觀點，根據應用的類型可以使用不同的算法，所以你可以根據你試圖解決的問題選擇最好的算法。

這門課是給誰的
剛開始學習計算機視覺和目標跟蹤的初學者
正在學習人工智能相關學科的本科生
任何對人工智能或計算機視覺感興趣的人
希望擴大投資組合的數據科學家

總結

以上是生活随笔為你收集整理的基于Python和OpenCV的目标跟踪学习教程 Object Tracking using Python and OpenCV的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。