网站没有备案信息该怎么做,重庆店铺整站优化,wordpress全文检索,重庆在线教育平台文章目录 一、卡尔曼滤波二、匈牙利匹配 一、卡尔曼滤波
什么是卡尔曼滤波#xff1f;——状态估计器
卡尔曼滤波用于在包含不确定信息的系统中做出预测#xff0c;对系统下一步要做什么进行推测#xff0c;且会结合推测值和观测值来得到修正后的最优值卡尔曼滤波就是利用… 文章目录 一、卡尔曼滤波二、匈牙利匹配 一、卡尔曼滤波
什么是卡尔曼滤波——状态估计器
卡尔曼滤波用于在包含不确定信息的系统中做出预测对系统下一步要做什么进行推测且会结合推测值和观测值来得到修正后的最优值卡尔曼滤波就是利用 t-1 状态的最优值预测 t 时刻的预测值同时利用 t 时刻的观测值来修正 t 时刻的预测值得到 t 时刻的最优值这里的几个值可能有些难以理解 观测值真实的位置预测值预测的位置最优值根据预测值和观测值结合起来修正后的值 以行人追踪为例卡尔曼滤波可以根据行人当前的位置来预测下一时刻行人运动的最优位置不仅可以滤除检测带来的虚警也可以弥补偶发的漏警使得目标运动的过程更加平滑卡尔曼滤波的前提是线性系统那么为何还能广泛应用呢虽然目标的移动轨迹很难拟合但是如果把每次预测的时间间隔都缩小的很小那么就可以将轨迹近似成线性的
二、匈牙利匹配
匈牙利匹配
假设有 3 个任务和 3 个工人要把每个任务分配给不同的人已知每个人完成每个任务的花费和代价是不同的所以如何分配让总的代价最小就是匈牙利匹配要得到的分配方式即最优匹配在目标追踪来说就是对当前帧的预测结果和前一帧的预测结果进行匹配目标是使得匹配后的代价矩阵最小该方法不是最优匹配而是尽可能的让每个目标都匹配上总的代价最小
单目标跟踪和多目标跟踪的差别
对于单目标跟踪来说不需要匈牙利匹配只需要卡尔曼滤波即可对于多目标跟踪来说两个都需要 先进行匈牙利匹配确定当前帧的某个目标是否和前一帧的某个目标匹配上了再进行卡尔曼滤波矫正也就是基于上一帧的位置来预测当前时刻的位置