机器人行人识别与跟随 （OPENCV DNN Tensorflow ROS）（只有链接）

1、Opencv DNN

1.1 opencv DNN

1. OpenCV DNN github
2. Deep Neural Networks (dnn module)（opencv dnn 教程）

3. TensorFlow Object Detection API

4. ROS工程不使用ROS自带的OpenCV

5. https://github.com/Smorodov/Multitarget-tracker

6. https://gitee.com/light169/Multitarget-tracker

1.2 opencv DNN 调用tensorflow

1. opencv基于DNN的人脸检测

2. opencv基于深度学习的人脸检测

3. 基于Tensorflow和Opencv的行人检测

4. Tensorflow+OpenCV实战行人检测（笔记）

5. OpenCV调用TensorFlow预训练模型

6. C++ opencv-3.4.1 调用tensorflow训练好的模型进行物体检测

7. 基于opencv dnn模块 的caffe模型的调用
8. OpenCV的dnn模块调用TesorFlow训练的MoblieNet模型

confidenceThreshold = 0.50

confidenceThreshold = 0.20

2、Tensorflow

1. Tensorflow C++ 编译和调用图模型（ 有图）

2. Tensorflow detection model zoo

3. 目标检测之车辆行人（tensorflow版yolov3-tiny） 网络分析

4. windows 10 基于Tensorflow的街头行人检测实验
5. 目标检测算法SSD用于行人检测（二）：训练和测试SSD网络

3、行人目标识别

3.1 OpenCV HOG SVM

1. Opencv之HOG特征与SVM相结合的人体检测

2. opencv实现行人检测（C++）（原理）

3. 行人检测 基于 OpenCV 的人体检测
4. 基于opencv的行人检测（支持图片，视频）
5. opencv︱opencv中实现行人检测：HOG+SVM（二）（此文较好，综合评价，如何降低行人检测误识率）

直接使用，速度很慢，识别率低

3.2 OpenCV DNN

参见前面1.2

1. OpenPose 基于OpenCV DNN 的多人姿态估计
2. 基于OpenCV使用OpenPose进行多个人体姿态估计
3. Tensorflow+OpenCV实战行人检测（笔记）
4. 基于Tensorflow和Opencv的行人检测   细致

5. 浅入浅出TensorFlow 7 - 行人检测之Faster-RCNN  （自己训练）

6. 深度卷积神经网络的行人检测 (pedestrian detection)

7. 目标检测算法SSD用于行人检测（二）：训练和测试SSD网络

8. 行人检测--OpenCV与TensorFlow SSD对比  

 

3.3 DPM 行人检测

1. 行人检测之DPM

2. Latent SVM+DPM 行人检测

4、目标跟踪

1. 一个完整的例子Multitarget-tracker
2.  

4.0 原理

1. 运动目标追踪实现

2. KCF相关滤波跟踪算法 论文 High-Speed Tracking with Kernelized Correlation Filters

3. 目标跟踪KCF算法简介与优化

4. 目标跟踪算法——KCF入门详解

4.1 OPENCV Object Tracking

1. 目标跟踪的深度学习方法与opencv下的KCF方法（有python代码）
2. 代码参考（C++）：opencv3使用KCF或TLD跟踪目标跟踪算法----KCF进阶（基于KCF改进的算法总结）
3. opencv的目标跟踪算法(OpenCV Object Tracking)
4. [OpenCV实战]14 使用OpenCV实现单目标跟踪（有各个方法评价）

4.2 CamShift目标跟踪

1. OpenCV视频分析与对象跟踪C++（三）CAMShift对象跟踪 颜色空间改到Lab，发现效果不错

2. OpenCV2马拉松第10圈——直方图反向投影(back project)

3. OpenCV | CAMShift - 指定对象跟踪（原理介绍清楚）

4. 直方图匹配-Opencv种cvCalcBackProject的理解

5. Opencv基于CamShift算法实现目标跟踪（代码）

6. opencv 目标跟踪 kalman （代码下载）

7. camshift+kalman视频跟踪matlab代码（代码下载）

如果速度慢，跟踪可以。

如果变化快或者突变，很容易丢失

CAMShift跟踪算法对于跟踪的目标，即使发生远近变换，形变，都能准确跟踪到，甚至跟踪目标离开了屏幕再回来也能继续跟踪到，
但是离开的期间也会产生 selection，所以这个时候的selection是不对的，当跟踪目标回到屏幕后也不是立即就察觉到，需要一定时间
so CAMShift无法判断目标是否离开屏幕，这段期间产生的误差如何解决?
同时CAMShift跟踪算法适合比较简单的图像，如果图像颜色数据很复杂，有很多大量与跟踪目标颜色重复的像素的话(也就是干扰很强)，CAMShift效果就不太好了

4.3 光流目标跟踪

基于光流场分析的运动目标检测方法，不仅包含了被观察物体的运动信息，而且携带了三维结构的丰富信息，因此它不仅可以用于运动目标检测，还可以直接应用于运动目标跟踪，能够很精确的计算出运动目标的速度，同时在摄像机存在运动的情况下也能够检测出运动目标。而在实际的应用中，由于存在多光源、遮挡性、噪声和透明性等多方面的原因，光流场基本方程中的灰度守恒这个假设条件是得不到满足的，因此不能求解出正确的光流场，同时由于其采用的是迭代的求解计算方法，故需要的计算时间比较长，从而无法满足实时的要求，并且该方法受噪声的影响较大，因而该方法多适用于目标运动速度不大，图像噪声比较小的情况。

1. OpenCV视频分析-光流分析（全面分析）

2. OpenCV之视频分析与对象跟踪(四) 光流的对象跟踪 稀疏光流&稠密光流

3. opencv视频分析与对象追踪之基于光流(稀疏光流、密集光流) （参考代码）

4. OpenCV4学习笔记（34）——Farneback稠密光流算法

5. OpenCV之光流法运动目标跟踪

6. OpenCV之光流法运动目标跟踪

7. 使用流光法实现物体跟踪（2015年）

8. 使用OpenCV实现检测和追踪车辆（代码）

9. Opencv光流运动物体追踪详解（代码）

特征点跟踪，速度基本可以。如何结合目标跟踪？

4.4 kalman 滤波目标跟踪

1. 目标跟踪学习笔记_5(opencv中kalman点跟踪例子)

2. 学习OpenCV2——卡尔曼滤波(KalmanFilter)详解（各种例子综合）

3. python + opencv: kalman 跟踪

4. kalman 滤波 演示与opencv代码

5. 自动驾驶中无迹卡尔曼滤波器的应用（Unscented-Kalman-Filter）（激光雷达）

6. Unscented Kalman Filter(无迹卡尔曼滤波）（原理说明）

7. 无味卡尔曼滤波——非线性UKF-Matlab UKF无味卡尔曼滤波在自动驾驶车辆定位中的应用

8. 从零开始学习自动驾驶系统(七)-无迹卡尔曼滤波Unscented Kalman Filter（原理入门）

9. OpenCV3之卡尔曼滤波KalmanFilter例子魔改代码
10. 从程序中学习UKF-SLAM 理论
11. 无迹卡尔曼滤波（UKF）超详细解释    详细学习入门
12. 2D UKF Design and Implementation
13. Object Tracking with Sensor Fusion-based Unscented Kalman Filter  论文与代码 机器人轨迹

 

 

 

5、机器人跟随

ROS turtlebot_follower ：让机器人跟随我们移动

ROS学习笔记（四） 先锋机器人跟随（跟随总结 2017年）