使用Kalman滤波器做目标跟踪

https://www.mathworks.com/help/vision/examples/using-kalman-filter-for-object-tracking.html：由该例整理而来。

1、前言

本文所举例子说明了如何使用vision.KalmanFilter 对象和configureKalmanFilter函数来跟踪目标。示例以函数名形式显示，其函数内容在最后。

function kalmanFilterForTracking

2、介绍

卡尔曼滤波器有很多用处，包括控制，导航，计算机视觉和时间序列计量经济学。这个例子解释了怎样使用卡尔曼滤波器用于目标跟踪，并致力于三个重要的特征：

• 目标未来位置的预测；
• 减少不准确检测引入的噪声；
• 促进多个对象与其轨迹相关联的过程。

3、目标跟踪的挑战

在显示卡尔曼滤波器的使用之前，让我们先看看视频中的跟踪对象。 以下视频显示了一个绿球在地板上从左向右移动。

showDetections();

球上高亮的白色像素是由 vision.ForegroundDetector检测得到的，这个函数可以从背景中分离移动的目标，背景减法因为球和地板的低对比度使得只能检测到球的一部分，不理想并且引入噪声。
把所有帧叠加到单幅图片上，可视化检测到的轨迹如下。

这样的检测结果可以看出两个问题：

1. 区域中心不同于球的中心，说明检测有误差。
2. 球被方框遮挡时，检测不到了。

但是，这两个挑战都可以被卡尔曼滤波器解决。

4、使用卡尔曼滤波器跟踪单个目标

使用之前展示的视频，trackSingleObject如下做法：

1. 通过使用configureKalmanFilter创建vision.KalmanFilter。
2. 使用序列中的predict和correct方法消除跟踪系统中存在的噪声。
3. 当球被遮挡时，使用预测方法估计球的位置。

参数选择可以调整，configureKalmanFilter函数可以简化问题，细节性的问题可以看最后的函数内容。
trackSingleObject函数包含了嵌套的辅助函数，下面的全局变量用于在子函数之间传输数据。

frame            = [];  % 视频帧
detectedLocation = [];  % 检测到的位置
trackedLocation  = [];  % 跟踪到的位置
label            = '';  % 球的标签
utilities        = [];  % 处理视频的实例

跟踪单个目标的步骤如下：

function trackSingleObject(param)
  % 创建用于读取视频，检测移动对象和显示结果的实用程序。  utilities = createUtilities(param);

  isTrackInitialized = false;
  while ~isDone(utilities.videoReader)
    frame = readFrame();

    % 检测球
    [detectedLocation, isObjectDetected] = detectObject(frame);

    if ~isTrackInitialized
      if isObjectDetected
        % 当球第一次被检测到时，通过创建一个卡尔曼滤波器初始化一个跟踪器。
        initialLocation = computeInitialLocation(param, detectedLocation);
        kalmanFilter = configureKalmanFilter(param.motionModel, ...
          initialLocation, param.initialEstimateError, ...
          param.motionNoise, param.measurementNoise);

        isTrackInitialized = true;
        trackedLocation = correct(kalmanFilter, detectedLocation);
        label = 'Initial';
     else
        trackedLocation = [];
        label = '';
      end

    else
      % 使用卡尔曼滤波器来跟踪球
      if isObjectDetected