计算机视觉开源整理

1. KLT(C)
   Kanade-Lucas-Tomasi 特征跟踪“KLT”的实施，在C编程语言，为计算机视觉领域的一个特征跟踪。源代码是在公共领域，可用于商业和非商业的用途。奏卢卡斯 - 托马西功能跟踪的实现。(by Stan Birchfield)
2. Intel Open Source Computer Vision Library
   计算机视觉程序，应用程序和教程。开源的，免费的学术和商业用途。英特尔的处理器产品线进行了优化的汇编语言。涉及的领域是几何方法，识别，图像金字塔摄像机标定，跟踪和管件。(by Vadim Pisarevsky, Dmitry Abrosimov , Jean-Yves Bouguet , Gary R. Bradski , Valery Cherepennikov , Michael Chu , Boris Chudinovich , Prof. Trevor , Bob Davies , Prof. James Davis , Victor Eroukhimov , Prof. Irfan Essa , Radek Grzeszczuk , Mark Holler , Prof. Jitendra Malik , Sergey Molinov , Valery Mosyagin , Ara Nefian , Sergey Oblomov , Prof. Pietro Perona , Vadim Pisarevsky, Alexander Pleskov, Chuck Richards, Prof. Stan Scarloff, Stewart Taylor, Prof. Carlo Tomasi / Visual Interactivity Lab / Intel Corporation)
3. Non-Rigid Structure from Motion
   Matlab软件对非刚性三维形状重建的跟踪数据。(by Lorenzo Torresani, Aaron Hertzmann, and Chris Bregler / Movement Group)
4. Projective Vision Toolkit
   PVT是一系列的实用程序，允许一到的图像序列和计算的基本矩阵和三线性张量。这可用于摄像机自标定，结构运动，摄像机运动的注释，防抖，3D追踪和识别等问题( Computational Video Group of NRC) .
5. The Reading People Tracker(C++)
   读书人跟踪是一个软件，用于跟踪人们在摄像机的图像视觉监控的目的。读书人跟踪是写在C ++。它源于人跟踪，自动检测和预防犯罪的可视化监控系统的研究工作。它始建范围内的两个博士论文 (by AM Baumberg and NT Siebel)and 包含了很多的图像处理算法。这是很容易维护的，有据可查的。因此，可以（并且已经）很容易地适应新的要求和不同的项目。读书人跟踪包含必要的功能，从硬盘或的摄像机（IEEE1394/DV），读出的视频序列图像过滤器和操作的图像，对它们进行分析的检测和跟踪模块具有数量。(by Nils T Siebel, Adam Baumberg / Cognitive Systems Group / Christian-Albrechts-University of Kiel)
6. XVision visual tracking software
   应用独立的，可配置的接口高速的视觉特征跟踪工具。用途包括跟踪一个人的眼睛和嘴巴，手势识别。包含许多流行的相机和图像采集卡的接口。 (by Greg Hager / Computational Interaction with Physical Systems)
7. SSD tracking matlab toolbox (Jacobian Factorisation based) (Matlab )
   MATLAB工具箱为SSD的跟踪，我们实现的雅可比矩阵因子分解海格和Belhumeur的。在这个工具箱中，我们已经进行附加实现我们的雅可比矩阵因子分解的射影运动模型 (see paper: Real-time tracking and estimation of plane pose, Jos� Miguel Buenaposada Biencinto, Luis Baumela Molina. Proc. of International Conference on Pattern Recognition, ICPR 2002. Vol II, pp. 697-700, IEEE. Quebec, Canada, August 2002."). (by Jose M. Buenaposada, Luis Baumela / Technical University of Madrid (Universidad Polit馗nica de Madrid))
8. SNVision SDK
   在基于Windows的SDK进行实时识别和跟踪。 （商业软件）先进的目标识别与跟踪技术，视频监控，交通监控，事件检测，生物特征认证。定位多个目标非常快于任何角度的规模或解决。允许噪声和光的变化。使用生物启发的处理算法的实时图像处理。(by Simon Thorpe / Brain and Cognition Research Centre in Toulouse (France) / SpikeNet Technology)
9. Tracking moving object
   给定一个序列的图像，您可以识别目标对象并跟踪他们的路径。导出到Excel电子表格的位置/速度（by Andrea Giacosi）
10. Uratek
    为实时目标跟踪软件，视线跟踪，摄像机运动估计(by Philippe Guillemant / Artificial Vision and Biophysics Group / Polytechnic University School of Marseille)
11. (CT)Real-time Compressive Tracking
    这是一个具有挑战性的任务，制定有效和高效率的外观健壮的对象跟踪模式等因素构成的变化，光照变化，遮挡，运动模糊。现有的在线跟踪算法经常更新模型的样本观测在最近的帧。虽然已被证明很成功，有几个问题仍有待解决。首先，虽然这些自适应外观模型是依赖于数据，但不存在足够量的在线算法的数据首先在学习。二，在线跟踪算法经常遇到的漂移问题。作为自学学习的结果，这些错位样品可能被加入，并降低外观模型。在本文中，我们提出了一个简单而有效的，高效的跟踪算法外观模型的基础上的多尺度图像特征空间的特征提取与数据无关的基础。我们的外观模型采用非自适应随机保存的图像的结构的特征空间上的对象的突起。非常稀疏的测量矩阵采用的外观模型，有效地提取特征。压缩的前景目标和背景使用相同的测量矩阵稀疏的样本。跟踪任务，制定通过一个朴素贝叶斯分类器的在线更新在压缩域的二元分类。建议的压缩的跟踪算法运行的实时和执行有利对国家的最先进的算法的效率，精度和鲁棒性等方面具有挑战性的序列。
12. Online boosting trackers
    在计算机视觉和可视对象跟踪是一个基本的主题，是解决许多研究人员在过去的几十年里。已经提出了许多不同的假设（例如，静态的背景，精确的三维模型）的跟踪算法。.单个对象跟踪.无模型跟踪（即，只有对象的初始位置是已知的）总之，面临的挑战是追踪的对象，可能会发生各种外观的变化，用尽可能少的先验信息。在这个意义上，部分或全部遮挡，光照变化和背景杂波的方法应该是强大的。
13. TLD
    TLD是一个屡获殊荣的，实时视频流中的不明物体跟踪的算法。的感兴趣的对象被定义在一个单一的帧由一个边界框。 TLD同时跟踪的对象，学习它的外观，并检测它，每当它出现在视频中。其结果是实时的跟踪，通常随着时间的推移提高。由于其学习能力，一直标榜下TLD名捕食者。到左边的视频介绍捕食者，并提出了若干潜在的应用前景。