利用卡尔曼滤波进行目标跟踪
此示例显示如何使用卡曼过滤器对象和configureKalmanFilter用于跟踪对象的函数。
本例是一个函数，其主体位于顶部，辅助例程以嵌套函数的形式出现。
作用kalmanFilterForTracking
介绍
卡尔曼滤波器有许多用途，包括在控制、导航、计算机视觉和时间序列计量经济学中的应用。此示例说明了如何使用卡尔曼滤波器跟踪对象，并重点介绍了三个重要功能：
目标未来位置的预测
减少不准确检测带来的噪声
促进将多个对象与其轨迹关联的过程
目标跟踪的挑战
在展示卡尔曼滤波器的使用之前，让我们先看看在视频中跟踪目标的挑战。下面的视频显示一个绿色的球在地板上从左向右移动。
showDetections ();
球上方的白色区域突出显示使用视觉前探地仪，它将移动对象与背景分离。由于球与地板之间的对比度较低，背景减法只能找到球的一部分。换句话说，检测过程并不理想，并且会引入噪声。
为了方便地可视化整个物体轨迹，我们将所有视频帧叠加到单个图像上。“+”标记表示使用blob分析计算的质心。
show轨迹（）；
可以看到两个问题：
该区域的中心通常与球的中心不同。换句话说，在测量球的位置时存在误差。
当球被盒子挡住时，球的位置不可用，即测量丢失。
这两个挑战都可以通过使用卡尔曼滤波器来解决。
使用卡尔曼滤波器跟踪单个目标
使用之前看到的视频trackSingleObject函数显示如何：
创建
卡曼过滤器利用configureKalmanFilter使用
预测和对的一系列消除跟踪系统中噪声的方法使用
预测方法本身来估计球的位置时，它被框遮挡
卡尔曼滤波器参数的选择具有挑战性。这个configureKalmanFilter函数有助于简化此问题。关于这一点的更多细节可以在示例中进一步找到。
这个trackSingleObject函数包括嵌套的辅助函数。以下顶级变量用于在嵌套函数之间传输数据。
帧=[]；%视频帧检测位置=[]；%检测到的位置trackedLocation = [];%跟踪位置标签=＇＇；给球打标签公用事业= [];%用于处理视频的工具
跟踪单个对象的过程如下所示。
作用trackSingleObject(参数)%创建用于读取视频、检测移动对象的实用程序，%并显示结果。utilities=createUtilities（参数）；isTrackInitialized=false；虽然hasFrame（utilities.videoReader）frame=readFrame（utilities.videoReader）；发现球。[detectedLocation，isObjectDetected]=DetectedObject（帧）；如果~Istrack已初始化如果等深线探测%当球移动时，通过创建卡尔曼滤波器初始化轨迹%首次检测到。initialLocation = computeInitialLocation(param, detectedLocation);kalmanFilter = configureKalmanFilter (param.motionModel,...initialLocation，param.initialEstimateError，...参数。motionNoise param.measurementNoise);isTrackInitialized = true;trackkedlocation = correct(kalmanFilter, detectedLocation);标签=“初始”；其他的trackedLocation=[]；标签=＇＇；结束其他的%使用卡尔曼滤波器跟踪球。如果等深线探测%球被发现了。%通过调用predict，然后调用%对。预测（卡尔曼滤波）；trackedLocation=正确（kalmanFilter，detectedLocation）；标签=“纠正”；其他的%球不见了。预测球的位置。trackedLocation=预测（kalmanFilter）；标签=“预测”；结束结束annotateTrackedObject ();结束%,而show轨迹（）；结束
卡尔曼滤波器处理两种不同的情况：
当检测到球时，卡尔曼滤波首先预测其在当前视频帧中的状态，然后利用新检测到的目标位置对其状态进行校正。这将生成一个过滤过的位置。
当球丢失时，卡尔曼滤波器仅依靠其先前的状态来预测球的当前位置。
你可以通过叠加所有视频帧来看到球的轨迹。
param = getDefaultParameters ();%得到工作良好的卡尔曼配置%例如trackSingleObject(参数);%可视化结果
探索卡尔曼滤波器配置选项
配置卡尔曼滤波器是非常具有挑战性的。除了对卡尔曼滤波器有基本的了解外，为了得到一组合适的配置参数，通常还需要进行实验。这个trackSingleObject上面定义的函数可帮助您探索configureKalmanFilter函数。
这个configureKalmanFilter函数返回一个卡尔曼滤波对象。必须提供五个输入参数。
配置kalmanFilter (MotionModel, InitialLocation, InitialEstimateError, MotionNoise, MeasurementNoise)
这个运动模型设置必须与对象运动的物理特征相对应。可以将其设置为恒定速度或恒定加速度模型。以下示例说明了做出次优选择的后果。
param = getDefaultParameters ();获得工作良好的参数参数。motionModel =“康斯坦特维洛西蒂”；%从恒定加速转换%, ConstantVelocity%切换运动模型后，降低噪音规格项%对应于加速度。param.initialEstimateError=param.initialEstimateError（1:2）；param.motionNoise=param.motionNoise（1:2）；trackSingleObject（param）；%可视化结果
请注意，球出现在与预测位置完全不同的位置。从球释放时起，由于地毯的阻力，它会不断减速。因此，恒定加速度模型是更好的选择。如果保持恒定速度模型，跟踪结果将是次优的al，无论您为其他值选择了什么。
通常，你会设置初始位置输入对象第一次被检测到的位置。你也可以设置初始估计误差由于初始状态可能是非常嘈杂的，因为它是从单个检测得到的。下图显示了错误配置这些参数的影响。
param = getDefaultParameters ();获得工作良好的参数param.initialLocation=[0,0]；%不基于实际检测的位置参数initialEstimateError=100*个（1,3）；%使用相对较小的值trackSingleObject(参数);%可视化结果
对于配置错误的参数，在卡尔曼滤波器返回的位置与目标的实际轨迹对齐之前，需要进行几步。
价值观测量噪声应根据探测器的精度进行选择。对于精度较低的探测器，将测量噪声设置为较大值。以下示例说明了错误配置的分割阈值的噪声检测。增加测量噪声会导致卡尔曼滤波器更多地依赖其内部状态，而不是传入的测量值，从而补偿检测噪声。
param = getDefaultParameters ();参数。segmentationThreshold = 0.0005;%较小的值会导致噪声检测参数测量噪声=12500；%增加值以补偿%表示测量噪声增加trackSingleObject(参数);%可视化结果
通常，对象不会以恒定加速度或恒定速度移动MotionNoise指定与理想运动模型的偏差量。当增加运动噪声时，卡尔曼滤波器更依赖于传入的测量值，而不是其内部状态。请尝试使用MotionNoise参数以了解更多有关其效果的信息。
现在您已经熟悉了如何使用卡尔曼滤波器以及如何配置它，下一节将帮助您了解如何将其用于多目标跟踪。
注:为了简化上述示例中的配置过程，我们使用configureKalmanFilter函数。这个函数做了几个假设。有关详细信息，请参阅函数的文档。如果您需要对配置过程进行更大级别的控制，则可以使用卡曼过滤器直接对象。
利用卡尔曼滤波跟踪多目标
跟踪多个对象带来了几个额外的挑战：
多个检测必须与正确的轨迹相关联
必须处理场景中出现的新对象
当多个对象合并为一个检测时，必须维护对象标识
这个卡曼过滤器对象与分配检测到跟踪函数可以帮助解决
为轨道分配检测
确定检测是否对应于新对象，换句话说，轨迹创建
就像在单个物体被遮挡的情况下一样，预测可以用来帮助分离彼此接近的物体
要了解有关使用卡尔曼滤波器跟踪多个对象的更多信息，请参见标题为基于运动的多目标跟踪.
示例中使用的实用程序函数
效用函数用于检测对象和显示结果。本节说明示例如何实现这些函数。
获取用于创建卡尔曼过滤器和分割球的默认参数。
作用param=getDefaultParameters param.motionModel=“持续加速”；参数初始位置=“与第一次检测相同”；param.initialEstimateError=1E5*个（1,3）；param.motionNoise=[25,10,1]；param.measurementNoise=25；param.segmentationThreshold=0.05；结束
检测和注释视频中的球。
作用showDetections() param = getDefaultParameters();公用事业= createUtilities(参数);trackedLocation = [];idx = 0;虽然hasFrame（utilities.videoReader）frame=readFrame（utilities.videoReader）；detectedLocation=detectObject（frame）；显示当前视频帧的检测结果。annotateTrackedObject ();%为了突出测量噪声的影响，显示检测%结果为第40帧在一个单独的数字。idx=idx+1；如果idx==40组合图像=max（repmat（utilities.foregroundMask[1,1,3]），im2single（frame））；图，imshow（组合图像）；结束结束%,而%关闭用于显示单个视频帧的窗口。uiscopes.close (“全部”）;结束
检测当前视频帧中的球。
作用[detection, isObjectDetected] = detectObject(frame) grayImage = rgb2gray(im2single(frame)); / /检测图像实用工具。foregroundMask =步骤(实用程序。foregroundDetector grayImage);检测=步骤(实用程序。blobAnalyzer utilities.foregroundMask);如果isempty（检测）isObjectDetected=假；其他的%为了简化跟踪过程，只使用第一个检测到的对象。检测=检测(1，:);isObjectDetected = true;结束结束
显示当前检测和跟踪结果。
作用accumulateResults annotateTrackedObject () ();将前景掩码与当前视频帧相结合，以便%显示检测结果。CombineImage=最大值（repmat（utilities.foregroundMask[1,1,3]），im2single（frame））；如果~ isempty (trackedLocation)形状=“圆”；地区= trackedLocation;区域(:3)= 5;combinedImage = insertObjectAnnotation(combinedImage, shape，...地区,{标签},“颜色”,“红色”）;结束步骤（实用程序.视频播放器，组合图像）；结束
通过将所有视频帧相互叠加显示球的轨迹。
作用展示轨迹%关闭用于显示单个视频帧的窗口。uiscopes.close (“全部”）;%创建一个图形来显示所有视频帧的处理结果。图;imshow (utilities.accumulatedImage / 2 + 0.5);持有在；打印（实用程序。累计检测（：，1），...实用程序.累计检测（：，2），“k+”）;如果~ isempty (utilities.accumulatedTrackings)情节(utilities.accumulatedTrackings (: 1),...公用设施.累计裂缝（：，2），“r-o”）;传奇(“检测”,“追踪”）;结束结束
累积视频帧、检测到的位置和跟踪的位置，以显示球的轨迹。
作用accumulateResults()公用事业。accumulatedImage = max(实用程序。accumulatedImage,框架);utilities.accumulatedDetections...=[实用程序.累计检测；检测位置]；公用设施.累积裂缝...= [utilities.accumulatedTrackings;trackedLocation];结束
为了说明目的，选择卡尔曼滤波器使用的初始位置。
作用loc=计算初始分配（参数，检测位置）如果strcmp（参数初始位置，“与第一次检测相同”) loc = detectedLocation;其他的loc = param.initialLocation;结束结束
创建用于读取视频、检测移动对象和显示结果的实用程序。
作用公用事业= createUtilities(参数)%创建用于读取视频、显示视频和提取视频的系统对象%前台，并分析连接的组件。实用程序.videoReader=videoReader(“单球，mp4”）;实用工具。放像机=愿景。放像机(“位置”[100100500400]);实用工具。foregroundDetector =愿景。ForegroundDetector (...“NumTrainingFrames”, 10,“InitialVariance”, param.segmentationThreshold);实用工具。blobAnalyzer =愿景。BlobAnalysis (“区域输出端口”假的,...“最小面积”, 70,“CentroidOutputPort”,真正的);实用工具。accumulatedImage = 0;utilities.accumulatedDetections= zeros(0, 2); utilities.accumulatedTrackings = zeros(0, 2);结束
结束
您还可以从以下列表中选择网站：
