我正在尝试研究如何使用卡尔曼滤波器独自跟踪视频序列中移动的物体（球），因此请在我还是小孩的时候向我解释一下。
通过一些算法（颜色分析，光流...），我能够获得每个视频帧的二进制图像，其中有跟踪对象（白色像素）和背景（黑色像素）->我知道对象大小，对象质心，对象位置->只需在对象周围绘制一个边界框->完成即可。为什么在这里需要使用卡尔曼滤波器？
好的，有人告诉我，因为由于噪声原因我无法在每个视频帧中检测到对象，所以我需要使用卡尔曼滤波器来估计对象的位置。好的。但据我所知，我需要将输入提供给卡尔曼滤波器。它们是先前的状态和度量。
以前的状态（所以我认为是前一帧中对象的位置，速度，加速度...）->好的，这对我来说很好。
当前状态的度量：这是我无法理解的。测量值是多少？
-对象在当前帧中的位置？有趣的是，如果我知道对象的位置，则只需要在对象周围绘制一个简单的边界框（矩形）即可。为什么我这里需要卡尔曼滤波器了？因此，不可能将对象在当前帧中的位置作为测量值。
-“视频监控系统中基于卡尔曼滤波器的跟踪”文章说
卡尔曼滤波模块的主要作用是分配跟踪
过滤到从
光流分析模块。
如果阅读了全文，您将看到作者将最大斑点数和最小斑点数作为卡尔曼滤波器的输入。这些参数如何用作测量？
我想我现在处于循环中。我想使用卡尔曼滤波器来跟踪对象的位置，但是我需要知道该对象的位置作为卡尔曼滤波器的输入。到底是怎么回事？
还有1个问题，我不理解“卡尔曼滤波器的数量”一词。在视频序列中，如果有2个对象需要跟踪->是否需要使用2个卡尔曼滤波器？那是什么意思吗？
最佳答案
您无需使用卡尔曼滤波器即可对某些事物进行初步估算；您可以根据一系列嘈杂的估算值使用它来改进估算值。
为了使这一点更容易理解，想象一下您正在测量的不是动态的东西，例如成年人的身高。您只测量了一次，但是不确定结果的准确性，因此您连续10天进行一次测量，每次测量都略有不同，例如相隔几毫米。那么您应该选择哪种测量作为最佳值？我认为很容易发现，与使用任何单一测量方法相比，取平均值可以更好地估计人的真实身高。
好的，但是这与卡尔曼滤波器有什么关系？
卡尔曼滤波器实质上是对一系列测量值的平均值，如上所述，但对于动态系统而言。例如，假设您正在使用由附加到跑步者的GPS +发射器单元提供的信息来测量马拉松跑步者在赛道上的位置。 GPS每分钟为您提供一个读数。但是这些读数不准确，您想提高对跑步者当前位置的了解。您可以通过以下方式进行操作：
步骤1）使用最近的几项读数，您可以估算跑步者的速度并估算他将来的任何时间（这是卡尔曼滤波器的预测部分）。
步骤2）每当您收到新的GPS读数时，请对读数和在步骤1中获得的估计值进行加权平均（这是卡尔曼滤波器的更新部分）。加权平均值的结果是一个新的估计值，它位于预测位置和测量位置之间，比任何一个单独的位置都更准确。
请注意，您必须指定要在预测部分中使用卡尔曼滤波器的模型。在马拉松赛跑者示例中，您可以使用恒定速度模型。