kalman目标跟踪

（1）获取视频帧

（2）手动获取跟踪目标（鼠标事件处理）

（3）进行kalman跟踪：

        状态估计值x --> state；当前观测值z --> measurement；kalman类内成员变量transitionMatrix就是状态转移方程中的矩阵A；kalman类内成员变量measurementMatrix就是量测方程中矩阵H

        《1》初始化kalman滤波

              const int stateNum=4;   //设置状态变量（x,y,dx,dy）

              const int measureNum=2;   //设置观测变量（x,y）

              CvKalman* kalman = cvCreateKalman( stateNum, measureNum, 0 );/初始化kalman滤波，其返回值为kalman变量：  

              CvMat* process_noise = cvCreateMat( stateNum, 1, CV_32FC1 );   //创建4行1列的状态噪声向量

              CvMat* measurement = cvCreateMat( measureNum, 1, CV_32FC1 );//创建观测噪声向量 

              CvRNG rng = cvRNG(-1);  

              float A[stateNum][stateNum] ={//transition matrix  

                              1,0,1,0,  

                              0,1,0,1,  

                              0,0,1,0,  

                              0,0,0,1  

                             };   //状态转移矩阵

              //将状态转移矩阵赋值给kalman 

              memcpy( kalman->transition_matrix->data.fl,A,sizeof(A));  

              //cvSetIdentity()将会把数组中除了行数与列数相等以外的所有元素的值都设置为0；行数与列数相等的元素的值都设置为1

              //设置观测矩阵就是一个2×2的单位阵，设置kalman的观测矩阵

              cvSetIdentity(kalman->measurement_matrix,cvRealScalar(1) );

              //设置状态噪声  

              cvSetIdentity(kalman->process_noise_cov,cvRealScalar(1e-5));

              //设置观测噪声  

              cvSetIdentity(kalman->measurement_noise_cov,cvRealScalar(1e-1));  

              //设置kalman迭代的误差

              cvSetIdentity(kalman->error_cov_post,cvRealScalar(1));  

              //初始化kalman的状态变量，这个初始化和图像的长宽有关Hei表示图像宽，wid表示图像的高  

              cvRandArr(&rng,kalman->state_post,CV_RAND_UNI,cvRealScalar(0),cvRealScalar(Hei>Wid?Wid:Hei));  

              //字体初始化 

CvFont font; 

            cvInitFont(&font,CV_FONT_HERSHEY_PLAIN,1,1); 

        《2》kalman预测

              const CvMat* prediction=cvKalmanPredict(kalman,0);  

              //获取预测的点坐标，即和测量量相同

              CvPoint predict_pt=cvPoint((int)prediction->data.fl[0],(int)prediction->data.fl[1]);

        《3》更新量测

              从鼠标获取的位置量进行赋值

              measurement->data.fl[0]=(float)mousePosition.x;  

              measurement->data.fl[1]=(float)mousePosition.y;    

      

        《4》更新kalman相关变量  

            cvKalmanCorrect( kalman, measurement ); 

       

（4）进行相关的显示表达