matlab官方所提供的基于卡尔曼滤波的目标跟踪算法demo，核心部分使用了计算机视觉工具箱，本人将其简化并加入汉语注释，使其愈加通俗易懂，运行环境为matlab2014

基于MeanShift的序列图象手势跟踪算法

基于GPU的klt跟踪算法，如今比较流行的基于光流分析的视频跟踪算法

一、1.Pleasedownloadandinstalltheglutlibrary.2.WriteacompleteprogramusingthefollowingcodestodrawaSierpinskigasket.voidmyinit(){//attributesglClearColor(1.0,1.0,1.0,1.0);glColor3f(1.0,0.0,0.0);//setupviewingglMatrixMode(GL_PROJECTION);glLoadIdentity();gluOrtho2D(0.0,50.0,0.0,50.0);glMatrixMode(GL_MODELVIEW);}voiddisplay(){GLfloatvertices[3][3]={{0.0,0.0,0.0},{25.0,50.0,0.0},{50.0,0.0,0.0}};//anarbitrarytriangleintheplanez=0;GLfloatp[3]={7.5,5.0,0.0};//orsetanydesiredinitialpointwhichisinsidethetriangle;intj,k;intrand();glBegin(GL_POINTS);for(k=0;k＜5000;k++){/*pickarandomvertexfrom0,1,2*/j=rand()%3;//computenewlocation;p[0]=(p[0]+vertices[j][0])/2;p[1]=(p[1]+vertices[j][1])/2;//displaynewpointglVertex3fv(p);}glEnd();glFlush();}#includevoidmain(intargc,char**argv){glutInit(&argc;,argv);glutInitDisplayMode(GLUT_SINGLE|GLUT_RGB);glutInitAWindowSize(500,500);glutInitWindowPosition(0,0);glutCreateWindow(“SimpleOpenGLExample”);glutDisplayFunc(display);myinit();glutMainLoop();}3.实现DDA和Bresenham画线算法(1)画10万以上随机生成的直线段，比较两个算法的平均时间.(2)分别把屏幕上的1*1，5*5,9*9像素当作直线段上的一个点，观察线段的走样情况.二、请写一个OpenGL（如果熟悉WebGL也可以用）程序完成如下任务(1)读入三维网格模型的obj文件;(2)用OpenGL函数glTranslatef()对模型模型进行平移，使得其重心位于原点;(3)用函数glLookAt()设置视点，并且要求试点绕模型一周，以便用透视投影观察各个侧面;(4)要求利用真实感绘制对模型进行渲染.(利用OpenGL函数设置光源，材质，计算好每个三角形的法向量后，利用OpenGL的glNormal函数给待绘制的三角形设置法向量).绘制的结果大概如下：三、本实验为综合实验,任务是利用光线跟踪算法进行Whitted全局光照计算，并对读入场景进行真实感绘制。
（特别提示:网上类似的projects可以参考，但不能照抄.如http://tobias.isenberg.cc/graphics/LabSessions/RaytracingProject,http://physbam.stanford.edu/links/ray_tracing/project_ray_tracing.htmlhttps://www.cs.utexas.edu/~fussell/courses/cs354/assignments/raytracing/handout.shtml）(1)参加对象:本实验针对所有选课同学，3-5人组成一个小组，共同实现；
非15级同学在组队方面有困难的话可与老师沟通.(2)实验结果提交:每人都要求提交一份.内容包括a.源程序;可执行代码;三维场景数据;同组的同学这部

资源包含KCF,DSST,ECOHC,SAMF,Staple,LMCF,LCT,SRDCF,SRDCFdecon,BACF十个目标跟踪算法在OTB100的TRE,SRE矩阵结果，其中包括了OTB50和OTB2013。
可以节省很多跑代码的工夫。

使用光线光线算法实现的光线跟踪效果图有暗影和反射效果，采用Phong光照模型

各种目标跟踪算法程序（KF，EKF，UKF）附有pdf阐明文档及示例

对输出的二值图像，进行边界跟踪，实现输出图像的边界，存在一维数组之中

1、demo文件夹：YOLOv4目标检测算法针对MVI_40192文件夹数据集的处理效果，比较满意，车辆信息基本都能检测到。
2、road1_demo文件夹：YOLOv4+DeepSort算法，针对road1.mp4视频数据的目标跟踪、车流量计数效果。
人工统计车流量292辆(可能有偏差)，算法统计车流量288辆。
3、road2_demo文件夹：YOLOv4+DeepSort算法，针对road2.mp4视频数据的目标跟踪、车流量计数效果。
人工统计车流量29辆，算法统计车流量29辆。
只需视频流车辆清晰、大小合适、轮廓完整，算法处理的精度挺高。
4、road1_tracking.mp4、road2_tracking.mp4：由目标跟踪处理结果合成的视频流。
***********************************************************************************************1、deepsort文件夹：含目标跟踪算法源码，包括：卡尔曼滤波、匈牙利匹配、边框类创建、Track类创建、Tracker类创建。
2、ReID文件夹：含特征提取算法源码，model_data存储着reid网络的结构、权重，feature_extract_model.py用于创建特征提取类。
3、YOLOv4文件夹：含目标检测算法源码，model_data存储yolov4网络配置、nets+utils用于搭建模型。
decode.py用于将检测结果解码。
4、car_predict.py、yolo.py：用于验证目标检测算法的效果。
5、main.py：整个项目的运行入口，直接运行main.py，就可以调用YOLOv4+DeepSort，处理视频流信息，完成目标跟踪和车流量统计。

该代码为基于自顺应控制的两轮小车路径跟踪算法，压缩包内含matlab仿真代码。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。