目标跟踪

【Deep-OC-SORT 01】多轨迹算法Deep-OC-SORT源码分析覆盖 deep_ocsort/ 核心包（移植自 Deep-OC-SORT-main 的 integrated_ocsort_embedding 变体）中本工程实际使用的类、方法与模块级函数——源码里未被调用的 filterpy 遗留方法与预留接口不列入。分析以本工程实际代码为准。

【Deep-OC-SORT 02】多轨迹算法Deep-OC-SORT-相对 OC-SORT 的改进点Deep-OC-SORT = OC-SORT 的"以观测为中心"骨架 + 五个叠加改进。本文逐项对照两版源码讲清每个改进改了什么、为什么、在代码哪里、怎么开关。骨架三机制：ORU——漏检时冻结滤波参数，找回后在最后两个真实观测间线性插值出虚拟轨迹逐帧重放，把滤波参数恢复到与真实轨迹一致；OCR——找回轮用最近真实观测框而非漂移的预测框做二次关联；VDC——关联代价中加入速度方向一致性项，同向加分、反向减分。本文只讲五个叠加改进，骨架机制在改进中的参与随文说明。

【Deep-OC-SORT 03】多轨迹算法Deep-OC-SORT-卡尔曼滤波预测过程Deep-OC-SORT 的每条轨迹由一个卡尔曼滤波器驱动：预测（predict）外推目标运动，修正（update）用检测框拉回。滤波器有两种规格：

监控视频脱敏的追踪漂移与ID撞号陷阱法务部门发来一段客户纠纷监控素材，要求在3小时内出脱敏版提交保险理赔。原始素材里人脸、车牌、发票号码密集出现，逐帧手动遮挡耗时且容易遗漏。

无人机视角公路两侧滑坡检测数据集 | 公路巡检滑坡检测地质灾害无人机航拍9302期1. 类别与目标特征2. 规模与场景特征3. 格式与结构1. 准备配置文件 (data.yaml)2. 启动 YOLOv8 训练

羊行为目标检测数据集：4类别、2,000张图像 | 目标检测通过网盘分享的文件：羊的四种行为检测数据集链接: https://pan.baidu.com/s/1EBe2-JEx6zfgbbt6wn_kyg?pwd=cw8v 提取码: cw8v

三角洲第一人称射击游戏（FPS）角色部位检测数据集 | 游戏目标检测、角色部位识别、小目标检测9296期1. 类别与目标特征2. 规模与性能评估3. 格式与结构1. 准备配置文件 (data.yaml)2. 启动 YOLOv11 训练

沃达德软件

智慧无人机图像识别分析技术智慧无人机图像识别分析技术通过无人机可实现高分辨率影像的采集，在弥补卫星遥感获取不到影像同时，解决传统卫星遥感重访周期过长，应急不及时等问题。无人机图像识别分析技术，包括行人检测与行人再标识、车辆识别。行人检测与行人再标识是智慧警务和智能安防系统中的关键技术。行人检测是计算机视觉领域的一个重要研究方向，不同行人之间的表观差异较大，如行人的服装、姿态变化。行人再标识是视频监控研究领域的关键组成部分，目的是对出现在监控摄像头视域内的某个目标行人，在监控网络其他摄像头视域内的大量行人中将这个目标行人标识出

YOLOv4算法为了让模型在训练时“见多识广”，避免过拟合，YOLOv4引入了丰富的增强手段：1.马赛克数据增强：借鉴了CutMix，讲4张图片拼接成1张进行训练，极大地丰富了背景和目标的组合，提高了小目标检测能力。

【ByteTrack 04】多轨迹算法ByteTrack改进点目标：只改进轨迹算法（bytetrack/ 核心代码），检测器不是目标。测试视频与场景对应：dense.mp4（密集交叉）、turn.mp4（转弯减速）。

YOLOv3算法相比于前两代，YOLOv3最大的改进在于网格结构的设计。核心目标：使其更适合小目标检测。四大核心升级：

念何架构之路

OpenTelemetry核心概念Span 是链路的基本单元,表示一段有起止时间的操作。一次 HTTP 请求的链路:同一个 trace 内所有 Span 共享 trace_id;父子关系靠 parent_span_id 串起来(存储上是时间线上的一组 Span,树形由 parent 关系推导)。

【AI视觉软件 03】基于 Ultralytics + DeepSORT 的多目标跟踪与改进（支持YOLO全系列，重点车跟踪）车流统计是智能交通分析的基础，流量、流速、行驶轨迹都建立在"每辆车被持续稳定跟住"之上，这一步就是多目标跟踪（MOT），业界通用方案是"检测器 + 跟踪器"两段式。两段式里有一条经典路线 DeepSORT：只保留高置信度检测框，给每个框提取外观特征（ReID），靠"运动预测 + 外观相似度"把前后帧的目标关联起来。本项目重点跟的是车——而 DeepSORT 是在行人数据集上设计调参的（外观模型直接用行人重识别权重），车辆场景的车流密集交叉、转弯减速、遮挡形态都与行人不同，直接套用会遇到车辆场景特有的问题。

视频隐私脱敏：从逐帧标注到识别追踪的工程取舍做隐私处理工具时碰到的核心问题：自动追踪如何在复杂场景里保持稳定、不丢标。多轨叠加素材是重灾区。手动一个关键帧插一个标签，赶工时还能对付，但遇到转场就崩——硬切后人物已经离场，追踪器还在按惯性外推；渐变转场时像素变化平缓，灰度直方图检测不到边界。更麻烦的是目标刚入画的那十几帧和快速运动时的瞬时遮挡，漏了就是隐私数据暴露。

基于 YOLOv8 的手势识别系统本项目是一套基于 YOLOv8 的手势识别系统，以 18 类手势目标检测数据集为数据基础，面向十八类手势的定位与识别完成模型训练、评估与系统应用。系统提供 Web 端和 PyQt6 桌面端，支持图片、视频和摄像头输入，并集成结果查看、历史查询、模型管理与训练指标展示，适用于项目设计、课程实践和答辩展示。

不同成熟度番茄果实多模态图像数据集 | 番茄成熟度多模态检测可见光深度红外智慧农业语义分割目标检测9233期本数据集专注于自然与人工光照条件下不同成熟度番茄果实的多模态视觉检测与分割，服务于智慧农业、自动化采摘及果实品质评估。数据涵盖可见光、深度图与近红外三种模态，适配目标检测与语义分割等多任务应用。

基于 YOLOv8 的垃圾分类识别系统本项目是一套基于 YOLOv8 的垃圾分类识别系统，以 44 细类垃圾目标检测数据集为数据基础，面向四十四种具体垃圾物品的定位、识别与四大类归并完成模型训练、评估与系统应用。系统提供 Web 端和 PyQt6 桌面端，支持图片、视频和摄像头输入，并集成结果查看、历史查询、模型管理与训练指标展示，适用于项目设计、课程实践和答辩展示。

FPGA信号处理

【雷达原理与系统】第四节课：雷达波形与脉冲压缩雷达方程算的是能量。前面几讲把发射功率、天线增益、传播损耗、目标散射、接收面积串成一条链，最后落到一个接收功率，与接收机灵敏度比一比，判断目标在不在。这条链走到头，回答的只是有无。

蓝宝石的傻话

MiBeeNVR 的大脑视觉AI：MiBeeVision Lite 发了第一个可用版本MiBeeNVR 是个开源的 NVR，Go 写的。摄像头接入、录像存储、回放、导出，这些基础功能都有。

程序员JerrySUN

Jetson Edge AI 实战05：Secure Boot 到底在保护什么？PKC、SBK、Fuse 与可信启动链一次讲清【视频讲解】做 Jetson 开发时，很多人会把 Secure Boot 简单理解成：“给 Bootloader 加个密，别人就破解不了了。”