¿Cómo realizar un seguimiento de objetivos según el filtro de Kalman?

Escribamos una tesis de maestría sobre el seguimiento de objetivos de Kalman en cnki. Hay muchas, y por supuesto revistas, pero en general una tesis de maestría puede ser más detallada y luego estudiar una en detalle. Básicamente, esto no es un problema en teoría. La programación se realiza utilizando MATLAB, usar C es muy problemático y muchos algoritmos no se compilan desde cero. Matlab integra muchos algoritmos, simplemente encuéntrelos y llámelos.

La idea del seguimiento de Kalman es la siguiente:

0. Si su vídeo realmente está grabado, para evitar que se detecten objetivos falsos, primero se debe filtrar la imagen de entrada. Un filtro mediano simple.

1. El área de movimiento se puede obtener utilizando la diferencia de fondo o la diferencia entre fotogramas en la secuencia de vídeo. El enfoque aquí es el modelado de fondo. Si es demasiado problemático, no mire qué es un gaussiano único o multigaussiano. Simplemente busque un cuadro vacío (sin objetivo en movimiento) como fondo, y el área en movimiento se obtendrá después de la diferencia y luego se binarizará para su posterior procesamiento. Luego realice el trabajo de eliminación de sombras en función de si hay sombras.

2. Los pasos anteriores son para detectar áreas de movimiento. Dependiendo de su sondeo, puede que sea necesario dibujar un círculo alrededor del borde. Este artículo estudia cómo extraer los puntos de borde del objetivo en matlab. Simplemente cambie los puntos de borde al mismo valor de píxel en la imagen original y la detección finalizará.

3. Para el seguimiento, primero debe encontrar el centro del objetivo, porque el objetivo no es solo un píxel, debe tener un centro para representar su posición de coordenadas. Este método es nuestra propia idea. Tomando el promedio se puede encontrar el centro del rectángulo delimitador, y luego cada cuadro tendrá una serie de coordenadas centrales.

4. Kalman, la función principal de Kalman es el filtrado, lo que equivale a tratar todas las coordenadas en el tercer paso como una secuencia de señales, utilizar el filtrado de Kalman y filtrar durante la detección. Kalman recuerda principalmente esas cinco fórmulas y básicamente puede compilarlas si conoce su proceso recursivo. En cuanto a los parámetros del filtro, encuéntrelos en el material de referencia. No hay muchas líneas en el programa compilado por Kalman. no tengas miedo.

5. Si se trata de un seguimiento de múltiples objetivos, la coincidencia de objetivos equivale a detectar dos objetivos por cuadro. Necesita saber a qué objetivo del fotograma anterior corresponde cada objetivo del fotograma más reciente.

Lo anterior le da una idea general. ¿Qué tipo de trabajo deberías elegir en función de tus tareas? Esta pregunta no es difícil, debes tener confianza.