opencv运动目标跟踪预测_运动目标追踪实现（opencv3）（二）

运动目标追踪实现(opencv3)(二)

发布时间：2018-10-24 17:29,

浏览次数：418

, 标签：

opencv

运动目标的追踪

最近刚开始做目标追踪，理解的还不成熟，博客有错处，欢迎在评论区指出。

有许多博主实现追踪用的卡尔曼方法，具体原理可以看一下这个 ：

http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/

这个https://blog.csdn.net/heyijia0327/article/details/17487467#commentBox

这个图很清楚的能讲明白了。

另外，从大的角度去讲，针对跟踪有三种跟踪算法，分别是：点跟踪，核跟踪，轮廓跟踪。

点跟踪：

这类方法通常在连续帧中检测到的目标被表达为点。再引入其它方法来进行目标检测。其问题可以用帧与帧之间检测到的目标点之间的关系来表达。方法可分为两大类：确定性方法和统计性方法。前者通常用定性的运动限制方法，后者用目标检测和不确定性的建模来建立关联。(1)确定性的方法定义了在一系列约束条件下，关联t时刻和t-1时刻图像帧中每个目标的成本。关联成本的最小化规划为一个优化组合问题。可以用最优分配方法求解，如匈牙利算法，贪婪搜索算法。(2)统计性方法在目标状态估计中考虑了观测噪声和模型不确定性，用状态空间方法建模速度、位置、加速度等目标属性。对于单个目标的情况，状态可简单估计得到；对于多目标的情况，则需要将观测域相应目标对应起来。

对于单目标状态估计：如果状态转移