卡尔曼滤波算法目标跟踪

卡尔曼滤波算法是一种基于最小均方误差的最优线性递归滤波方法，以状态方程和观测方程为基础，运用递归方法来预测线性系统变化。
状态方程(1)和观测方程(2)如下：

X(k)是k时刻的状态向量，A是状态系统矩阵，ξ是状态系统噪声；
Z(k)是k时刻的观测向量，H是观测系统矩阵，η是观测系统噪声；
系统噪声假设为不相关的零均值的高斯白噪声，ξ，η协方差分别为Q、R。
卡尔曼滤波可概述为状态预测过程(3-4)和状态修正过程(5-7)
状态预测方程：

误差协方差预测方程：

卡尔曼滤波增益：

状态修正方程：

修正误差协方差矩阵：

状态预测方程以状态方程为基础，求状态预测向量和误差协方差预测向量
状态修正方程以观测方程为基础，修正状态预测向量，得到向量并通过计算求出最小误差协方差矩阵。
我们首先设定初始参数，读取视频序列。然后进行背景估计，产生初始化背景图像。然后依次读取视频序列，利用Kalman滤波算法，根据上一帧估计的背景和当前帧数据得到当前帧的前景目标。然后对前景目标进行连通计算，检测出运动目标。最后保存运动目标位置坐标，作为接下来训练神经网络的输入。