实现12种不同的算法来跟踪视频和网络摄像头中的对象！
你会学到: 使用Python和OpenCV跟踪视频和网络摄像头中的对象 理解跟踪算法的基本直觉 实现12种跟踪算法 了解对象检测和对象跟踪之间的区别
要求 程序设计逻辑 基本Python编程
MP4 |视频:h264，1280×720 |音频:AAC，44.1 KHz，2 Ch 语言：英语+中英文字幕（根据原英文字幕机译更准确） |时长:33节课(4h 44m) |大小解压后:2.33 GB 描述 目标跟踪是计算机视觉的一个子领域，其目标是在视频的连续帧中定位目标。一个应用的例子是视频监控和安全系统，其中可以检测到可疑的行动。其他的例子还有高速公路上交通的监控，以及足球比赛中球员运动的分析！在最后一个例子中，可以追踪球员在比赛中走的完整路线。
为了带您进入这一领域，在本课程中，您将学习使用Python语言和OpenCV库的主要对象跟踪算法！你将学习关于12(十二)种算法的基本直觉，并一步一步地实现它们！在课程结束时，您将知道如何将跟踪算法应用于视频，因此您将能够开发自己的项目。将涵盖以下算法:Boosting、MIL(多实例学习)、KCF(核相关滤波器)、CSRT(具有通道和空间可靠性的鉴别相关滤波器)、MedianFlow、TLD(跟踪学习检测)、MOSSE(最小输出平方和)误差)、Goturn(使用回归网络的通用对象跟踪)、Meanshift、CAMShift(连续自适应Meanshift)、光流稀疏和光流密集。
您将学习所有算法的基本直觉，然后，我们将使用PyCharm IDE实现和测试它们。需要强调的是，课程的目标是尽可能的实用，所以，不要对理论期望太高，因为你将只学习每个算法的基本方面。展示所有这些算法的目的是让你有一个观点，根据应用的类型可以使用不同的算法，所以你可以根据你试图解决的问题选择最好的算法。
这门课是给谁的 刚开始学习计算机视觉和目标跟踪的初学者 正在学习人工智能相关学科的本科生 任何对人工智能或计算机视觉感兴趣的人 希望扩大投资组合的数据科学家
