贝叶斯Tracker：用于多目标跟踪的贝叶斯方法

贝叶斯跟踪器（btrack） :microscope: :laptop: BayesianTracker（ btrack ）是用于多对象跟踪的Python库，用于在拥挤的字段中重建轨迹。在这里，我们使用信息的概率网络来执行轨迹链接。此方法使用空间信息以及外观信息进行轨道链接。 跟踪算法将组合不包含分割事件的可靠轨道部分（轨道小片段）。每个新的小轨迹都会启动一个概率模型，并利用该模型来预测视场中每个对象的未来状态（以及状态错误）。通过评估贝叶斯信念矩阵中所有可能的联系的每个潜在联系的后验概率，我们将新的观测值分配给不断增长的小径（联系）。 然后，通过使用多个假设检验和整数编程来确定整体最优解，从而将小轨迹组装为多个轨迹。根据启发式方法，为某些或所有小轨迹计算每个假设的可能性。全局解决方案确定了解释所有观察结果的一系列高可能性假设。 延时成像数据中的细胞跟踪 我们开发了btrack用于在延时显微镜数据中跟踪细胞。 自动细