deepsort中卡尔曼滤波的理解

一、背景

在目标跟踪算法中不可避开的算法之一就是卡尔曼滤波算法

卡尔曼滤波就是在根据一些先验知识对当前状态进行估计和已知当前的测量值的状态下权衡测量值和估计值的一种滤波算法。由于测量值会存在误差和噪声,而估计值也不完全准确,卡尔曼滤波就是一种结合预测(先验分布)和测量更新(似然)的状态估计算法

二、使用过程

deepsort中卡尔曼滤波的理解_第1张图片
x 为待跟踪物体的状态,包括位置和速度信息 x 为待跟踪物体的状态,包括位置和速度信息 x为待跟踪物体的状态,包括位置和速度信息
A 为状态转移矩阵,即根据先验知识得到的,例如速度,加速度等信息
Bk为状态控制矩阵,uk为状态控制向量
Fk为协方差矩阵
Q为噪声的协方差矩阵,R为测量过程的协方差矩阵
H为测量矩阵

在使用时分为预测阶段和更新阶段,如上图所示
在实际使用时,Q和R这两个噪声变量依据实际情况来确定

三、拓展

上述的使用是基于线性问题的
在非线性问题中有扩展卡尔曼滤波
https://adamshan.blog.csdn.net/article/details/78265754?spm=1001.2014.3001.5502

你可能感兴趣的:(计算机视觉,目标跟踪,人工智能)