时序分析：使用卡尔曼滤波

         卡尔曼滤波（Kalman filtering）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。

Overview of the calculation

        The Kalman filter uses a system's dynamics model (e.g., physical laws of motion), known control inputs to that system, and multiple sequential measurements (such as from sensors) to form an estimate of the system's varying quantities (its state) that is better than the estimate obtained by using any one measurement alone. As such, it is a common sensor fusion and data fusion algorithm.

         卡尔曼滤波使用系统的动态模型（比如一个运动的物理规则），已知的控制输入和多个测量序列（比如从多个传感器中的），形成一个多状态量的估计系统（比使用单一状态量估计有更好的效果）。因此，他是传感器融合和数据融合的基本算法。

         维基百科：https://en.wikipedia.org/wiki/Kalman_filter

         kalman滤波用于时序模式分析，可用于前向预测，避免模式缺失造成匹配失败，但会造成一定的帧间延迟。

         OpenCV的卡尔曼滤波代码段：http://blog.csdn.net/wishchin/article/details/9352471