1.Kalman filters
简单地说,卡尔曼滤波器的目的是要在一系列的有噪声的数据中(t-1),估计在某一个时刻t系统的状态。然后根据得到的这一时刻的状态,对卡尔曼的模型进行修正,然后再对t+1时刻的状态进行预测。
总的来说,卡尔曼滤波器总共包括两大块:
1)预测模型(prediction mode )
在该篇论文中,其服从的分布模型如下,W衡量的是不同时刻外貌特征的波动情况
2)观察模型(observation model )
简单地说,卡尔曼滤波器的目的是要在一系列的有噪声的数据中(t-1),估计在某一个时刻t系统的状态。然后根据得到的这一时刻的状态,对卡尔曼的模型进行修正,然后再对t+1时刻的状态进行预测。
总的来说,卡尔曼滤波器总共包括两大块:
1)预测模型(prediction mode )
在该篇论文中,其服从的分布模型如下,W衡量的是不同时刻外貌特征的波动情况