卡尔曼滤波
卡尔曼滤波的作用不用多说,就是根据前面已知的信息,预测将来可能发生的情况。对于一个系统来说,以跟踪系统为例,如果视频中待跟踪物体按静止不动,或者按照一定的规律运动时,那在当前帧便可以预测下一帧物体所在位置。但是实际中,物体的运动往往不是一成不变的,比如在视频中物体一直往右下角移动,但是移动的方向却或多或少有一定的变化,这种变化可以理解成一种随机噪声。因此需要找到一种随机估计方式,来估计系统下一次的状态。卡尔曼滤波便是一种随机估计算法,而且是一种线性随机估计算法。
状态—空间模型(state—space model)
在了解卡尔曼滤波之前,先了解一下状态—空间模型(state—space model)
x⃗ i+1=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢yi+1yiyi−1...yi−(n−2)⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢a0100a1010...............an−2001an−1000⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥A⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢