欢迎学习《12种OpenCV视频和网络摄像头目标对象跟踪算法Python实现视频教程》课程。
对象跟踪是计算机视觉的一个子领域，旨在在视频的连续帧中定位对象。一个应用示例是视频监控和安全系统，其中可以检测到可疑行为。其他例子还有高速公路上的交通监控以及足球比赛中球员运动的分析！在最后一个示例中，可以跟踪玩家在比赛期间遵循的完整路线。
为了带您进入这个领域，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！您将学习有关 12（十二）种算法的基本直觉并逐步实现它们！在课程结束时，您将了解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（内核相关滤波器）、CSRT（具有信道和空间可靠性的判别相关滤波器）、MedianFlow、TLD（跟踪学习检测）、MOSSE（最小输出总和）平方）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。
您将了解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，本课程的目标是尽可能实用，因此，不要对理论期望过高，因为您将只学习每种算法的基本方面。展示所有这些算法的目的是让你有一个观点，可以根据应用程序的类型使用不同的算法，因此你可以根据你试图解决的问题选择最好的算法。
MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：电子学习 | 语言：英语+srt | 持续时间：33 个讲座 (4h 44m) | 大小：2 GB
您将学到什么：
- 使用 Python 和 OpenCV 从视频和网络摄像头跟踪对象
- 了解有关跟踪算法的基本直觉（intuition）
- 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
编程逻辑
基础 Python 编程
本课程适用对象
- 开始学习计算机视觉和对象跟踪的初学者
- 正在学习与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
- 希望扩大其投资组合的数据科学家
