python多目标跟踪卡尔曼滤波_卡尔曼多目标跟踪的例子？

好吧，好久没来填坑了，我现在来填坑，至于程序，程序github多的是，就不贴了，图在日后填坑吧。多目标我的程序，需要等paper发表后给大家贴出来。

先说一下为什么卡尔曼要来跟踪。

如果纯度跟踪算法，而不是基于detection，或是最近特火的类TLD算法(注意一个‘类’子，他包含很多)，跟踪算法其实是解决传感器的检测问题，我们很多时候把传感器想的太理想了，特别是仿真的时候，其实噪声还是很多的，同时目标可能有时能检测到有时检测不到，你可以想象一个人从你面前跑过去，其实不一定你每一眼都看见了他，但是也不影响你对他的跟踪，为什么？因为你自动补全了信息，如果你看得是马拉松，很多人都在跑，为什么你能跟踪这个呢？有人说他长的不一样，如果我脸盲+他们是一个代表队的，我想我努努力还是能跟上他的，为什么？因为我对他的之前信息有推断，对他下一秒有期望，我还是能跟上他的，这个过程不仅是跟踪过程，也是一个滤波过程，所以跟踪算法就是滤波算法，卡尔曼所以是能解决跟踪问题的。

多目标的问题，其实问题很多，我们先假设一下吧，高斯，线性运动，(这个大家用卡尔曼必须这么假设)同时目标数目不能变(变数目的话，也能解决，需要引入detection，如果引入detection，我觉得就是耍流氓，为什么耍流氓，我最后说), 这时你就需要迭代了，假设目标为A,B,C，第一次迭代，假设A为跟踪物体，B,C为噪声，跟踪一遍，第二次假设B为跟踪物体，A,C为噪声，以此类推，。。。所以他的缺点明显，对于遮挡基本无解，同时这几个迭代运算量特别大。

为什么说detection耍流氓？因为现在Detection比tracking 要准确的很多，唯一缺点就是速度慢，所以需要用detection给算法家flag的，我觉得就是耍流氓，现在电脑运算那么快，GPU一跑都没事，为什么你不直接detection？跟踪的根本作用是跟踪那些不可检测的物体，没有特征的物体，比如数据，或者相似物体，同时它对于形变和遮挡都比detection靠谱，所以我个人很讨厌增加额外信息在增加系统鲁棒性的算法还有就是一对参数的算法，在我心里好的算法应该是用精简的语言+尽可能少的信息来获得最准确的答案。

跑题这么多了，最后说一下，因为Kalman问题这么多，多目标我们一般不会去用Kalman，而是用粒子滤波和PHD滤波。

本人在读相关的博一，所以很多理解不到位的欢迎指正，欢迎邀请回答问题，但是本人很笨很懒，代码图片需要经过小组同一才能上传。

以上为我2016年观点，不代表我现在观点。很多想法随着自己的学习，越发觉得自己的无知，detection其实给tracking很多启发。比如最近的Siamese network，简直一股清流，也给我很多启发。