汇总深度学习目标跟踪与检测的论文、数据集和代码资源，方便快速查找该领域的模型与实现。

收录 3D 目标跟踪方向的论文与配套 C++ 算法实现，覆盖多体、铰接物体、多模态和实时位姿估计，方便复现和对比各类方法。

Python 实现的多目标跟踪算法集合，集成 IoU Tracker 等多种跟踪器，配合 OpenCV 和 SSD-MobileNet 等检测模型，快速搭建视频目标跟踪流程。

汇总 Transformer 在视觉目标跟踪任务中的论文清单，覆盖 CVPR、ECCV、ICCV、NeurIPS 等顶会工作，方便快速跟进该方向的研究进展。

基于 YOLOv8、PyTorch 和 OpenCV 实现目标检测与多目标跟踪，可直接跑通视频流中的实时追踪，省去自己拼装检测器和跟踪器的麻烦。

YOLO 系列官方实现库，一套 PyTorch 代码覆盖目标检测、实例与语义分割、图像分类、姿态估计和目标跟踪，训练到部署全流程打通。

基于飞桨的目标检测工具库，覆盖检测、实例分割、多目标跟踪和实时多人关键点检测，提供从训练到部署的完整流程。

提供可插拔的 Python 和 C++ 多目标跟踪模块，集成 BoT-SORT、ByteTrack、OC-SORT 等 SOTA 算法，支持轴对齐与旋转框跟踪。

Meta 开源的 SAM 2 图像与视频通用分割模型，提供推理代码、预训练权重下载和示例 notebook，可对任意画面中的物体做可提示分割与视频目标跟踪。

OC-SORT 是 CVPR2023 提出的在线多目标跟踪算法，通过以观测为中心的设计提升遮挡和非线性运动场景下的跟踪鲁棒性，代码简单易用。

用 Python 对多目标跟踪器做基准评测，计算 CLEAR MOT 等标准指标，方便横向对比不同跟踪算法的效果。

基于 SAM2 的视觉目标跟踪记忆模块，通过抑制干扰物来提升跟踪稳定性，适用于复杂场景下的单目标跟踪。

基于 OpenPifPaf 人体姿态估计模型做跌倒检测，结合目标跟踪分析视频中的人体关键点，判断是否发生摔倒，可在 CPU 或 GPU 上运行。

用 YOLOv8 做检测、ByteTrack 做跟踪的目标跟踪工程，通过 C++ 和 TensorRT 加速推理，适合需要实时多目标跟踪的部署场景。

基于贝叶斯推断的多目标跟踪库，用卡尔曼滤波和全局优化把细胞等目标的检测结果串成连续轨迹，适合处理拥挤、遮挡场景下的追踪。

给普通监控摄像头加上目标检测、跟踪、手机通知和录像搜索能力，支持 RTSP 接入，可自建 NVR 替代商业方案。

面向视觉-语言-动作模型（VLA）的可复现开源研究项目，聚焦目标跟踪类 VLA，提供训练与评测代码，方便复现和对比实验结果。

用 Python 快速搭建复杂视频分析应用的多进程框架，把检测、跟踪等环节串成流水线，解决视频流处理中并行调度和模块编排的问题。

纯 Java 实现的高性能计算机视觉库，覆盖 SFM、相机标定、基准标记识别、目标跟踪和图像处理，适合在 Android 或 JVM 上做 3D 视觉与摄影测量。

把 Ultralytics YOLOv8 到 YOLOv12 系列模型封装成 ROS 2 节点，让机器人项目能直接调用目标检测、实例分割、姿态估计和跟踪能力。

把 SAM3 通过渐进式知识蒸馏压缩成轻量边缘模型，实现快速的可提示概念分割与跟踪，适合端侧部署。

用深度学习处理排球比赛视频数据，做球员与球的检测跟踪、球场识别和动作事件分析，适合体育视频分析场景。

一套从入门到进阶的计算机视觉实战项目合集，用 OpenCV 和 Python 覆盖目标检测、识别与跟踪等常见任务，适合边做边学。

基于 PyQt5 的图形界面工具，用 YOLO 系列模型做目标检测、跟踪、实例分割和人体姿态估计，支持图片、视频和摄像头输入。

仅用一段 MP4 监控录像和对应的谷歌地图位置，就能重建出数字孪生风格的三维交通场景，把画面里的车辆投影到真实地理坐标上。

面向 ROS 1/2 的实时 3D 激光雷达障碍物检测工具，集地面分割、聚类、跟踪与轨迹预测于一体，单核 CPU 约 10ms 处理一帧，可选 TensorRT 加速的 CenterPoint。