目标跟踪

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。”

YOLO系列学习笔记：从YOLOv1到YOLOv3的演进之路最近花了几天时间系统学习了YOLO（You Only Look Once）系列的三个经典版本：YOLOv1、YOLOv2、YOLOv3。作为目标检测领域里程碑式的工作，YOLO系列以其"端到端、速度快"的特点深受工业界喜爱。这篇博客记录一下我的学习心得，梳理三个版本的核心思想和改进点，希望能帮到同样在学习的同学。

断眉的派大星

目标跟踪算法原理与 ByteTrack ID 稳定性优化学习笔记学习方向：计算机视觉 / 多目标跟踪 / YOLO / 边缘部署重点内容： SORT、DeepSORT、ByteTrack、BoT-SORT、OC-SORT、ReID、ID Switch、工程优化

边缘AI目标检测在矿区场景的工程化部署：量化、裁剪与推理优化矿区场景的目标检测部署，绕不开三个工程问题：模型能不能跑得动、画质损耗可不可控、现场维护成本高不高。本文从量化、裁剪和推理优化三个角度聊聊边缘部署的实操要点。

AI云台相机如何协同成像识别跟踪与运动作者：瞳赋 Tofu Intelligence画面里出现一个识别框，云台相机却没有按预期继续观察同一对象；或者画面一直在动，框却逐渐落到背景上。这样的现象提示我们，AI云台相机包含多项相互依赖的能力。要理解它的工作边界，可以沿着一幅图像的形成、对象的判断、时间上的关联和相机姿态的变化，逐层看清各部分承担什么。

【迅为RK3588开发板+RK1828】交通监管例程：四宫格检测·目标跟踪·车牌识别·事故巡检本期视频主要演示了 RK182X 算力卡内置的 multistream_detect 例程（内置 traffic 交通监管应用）。该例程在迅为 iTOP-RK3588 开发板 + RK182X 算力卡的硬件平台上运行，通过一个 Web 界面即可实现多路视频流的实时目标检测、多目标跟踪、车牌识别、VLM 智能描述与交通事故自动巡检，全程板端本地化，数据不出设备。

【YOLO 入门到精通 11】进阶任务实战：分割、姿态、OBB 与深度估计标签：实例分割姿态估计 OBB 深度估计 YOLO多任务难度：⭐⭐⭐⭐ | 阅读时长：约 75 分钟 | 系列：第 11/12 集前置：10 导出部署 | 下一集：12 生产实践

YOLOv8 研究方向及价值：从目标检测到多任务视觉基座YOLOv8 是 Ultralytics 于 2023 年 1 月发布的新一代目标检测框架，延续了 YOLO 系列「单阶段、端到端、实时推理」的核心设计理念，同时在网络结构、训练策略与任务覆盖上做了系统性升级。它不仅是目标检测领域的重要里程碑，更逐渐演变为一个覆盖检测、分割、分类、姿态估计与旋转框检测的多任务视觉工具链。

YOLO数据集集合

小麦穗检测数据集 | 小麦穗检测植物表型密集目标检测农业AI9182期本数据集专注于田间小麦穗的视觉检测，服务于小麦表型分析、产量预估及作物管理。数据涵盖密集麦穗场景，适配目标检测算法训练、农业AI应用及品种筛选等任务。

v11扑克牌数字检测数据集8992张实测：标注质量与划分比例一览这套数据共 8992 张图，标了 15 个类别（零、一、十等）。划分已经做好：训练集 6295 张，验证集 1798 张，测试集 899 张。标签给了 YOLO 两种格式，data.yaml 里的路径也是配好的。下面按「数据长什么样 → 怎么训 → 怎么导出部署」的顺序过一遍，训练命令、关键超参和导出示例都是能直接复制跑的。

农场畜牧目标检测数据集：5类别、15,000张图像 | 目标检测通过网盘分享的文件：农场畜牧目标检测数据集链接: https://pan.baidu.com/s/11OMmlNX4K_LbUvGl6xjlzg?pwd=q34s 提取码: q34s

小马哥crazymxm

Arxiv论文周选 (2026-W35)更新时间: 2026-08-30本期 eess.*（电气工程与系统科学）学科精选了5篇高质量论文，涵盖了三维目标检测、控制系统信息率优化、传感器标定以及智能电网/工业过程调度等前沿方向。研究成果包括：提出一种任务感知的可变形预测方法（TADP）以提升单阶段三维目标检测性能；探讨了带有辅助信息的局部可观测线性系统的最小信息率优化问题；利用无人机不精确且异步的离散GPS轨迹进行高精度摄像机标定；此外，还有两篇针对工业能源管理的研究，分别提出了用于离散工业过程高效调度的连续RTN建模方法（cRTN），以及用于虚

裁决台账双向互校（下）：台账哈希链、三向对账与最小落地系列：《宪法即代码》第 31 篇（下）｜标签建议：AI编程、Rust、架构治理、CI、可追溯性接（中）篇：先把③向的五个判据补全（逐条对照表 + 判据⑤"登记位磁盘存在性"的落地说明）；再换到另一侧——裁决台账自身的哈希链互校；最后把三层合起来看"六元组事实表"，并给出四步最小落地。

企业数字化笔记

视频目标跟踪怎么选？SORT、DeepSORT、ByteTrack 的连续性、遮挡与计算成本对比检测器在每一帧都能给出框，却不保证两个相邻框属于同一个对象。只要视频需要持续编号、停留时长、轨迹回放或一次动作的起止范围，就要把“检测结果”升级为“轨迹”。本文比较 SORT、DeepSORT、ByteTrack 三类常见路线，但不把它们写成排行榜，而是用一段脱敏室内活动视频说明怎样按遮挡、外观相似度、帧率和计算预算选择。