Opencv Python卡尔曼滤波器预测结果查询答案

【问题标题】：Opencv Python Kalman filter prediction outcome queryOpencv Python卡尔曼滤波器预测结果查询
【发布时间】：2019-04-21 19:22:41
【问题描述】：

我一直在将 Opencv 与 python 一起使用，我在一个矩形上使用卡尔曼滤波器，我使用背景减法和 MOSSE，然后在此我将用另一个矩形预测下一个位置颜色。预测输出偏移量太大。

我编辑了不同的结果，主要问题是我不确定 Opencv 中的卡尔曼实现，因为文档不是很好，很难知道它返回什么。

这是我的卡尔曼方法（我查看了示例，并且了解了基础知识，但老实说，我认为这应该可行）。

kf = cv2.KalmanFilter(4, 2)
kf.measurementMatrix = np.array([[1, 0, 0, 0], [0, 1, 0, 0]], np.float32)
kf.transitionMatrix = np.array([[1, 0, 1, 0], [0, 1, 0, 1], [0, 0, 1, 0], [0, 0, 0, 1]], np.float32)

def Estimate(self, coordX, coordY):
    measured = np.array([[np.float32(coordX)], [np.float32(coordY)]])
    self.kf.correct(measured)
    predicted = self.kf.predict()
    return predicted

然后每个盒子发现我运行这个

kalmanPredict = Kalman().Estimate(newbox[0],newbox[1])

kalmanPredict[0] = kalmanPredict[0] + newbox[0]
kalmanPredict[1] = kalmanPredict[1] + newbox[1]

p = np.asarray(self.centralize((p1,p2), (kalmanPredict[0],kalmanPredict[1])))
p = np.int0(p)

kpt1 = p[0],p[1]
kpt2 = p[2],p[3]

cv2.rectangle(frame, kpt1, kpt2, (255,0,0),2)

centralize 是我在网上测试的一种方法，它只是将点居中。

    def centralize(self, box, c):
        pt1, pt2 = box
        xA, yA = pt1
        xB, yB = pt2
        cx, cy = c
        w = xB - xA
        h = yB - yA
        halfW = int(w/2)
        halfH = int(h/2)
        xA = cx - halfW
        yA = cy - halfH
        xB = xA + w
        yB = yA + h
        return xA, yA, xB, yB

它应该考虑位置/速度 - 但只是不确定这些文档和在线资源。任何帮助将不胜感激，谢谢。

【问题讨论】：

蓝色框为卡尔曼滤波器，红色为苔藓，绿色为背景减除。

标签： python opencv computer-vision kalman-filter

【解决方案1】：

我想我已经解决了，我相信它不是它返回的中心点，它是新矩形左上角的 xy 坐标 - 所以我只是在第二个边界框 x 中添加了宽度和高度， y 坐标。

kalmanPredict = Kalman().Estimate(newbox[0],newbox[1])

kalx1 = kalmanPredict[0] 
kaly1 = kalmanPredict[1]

kal1 = (kalx1, kaly1)

kalx = kalmanPredict[0] + w
kaly = kalmanPredict[1] + h

kal2 = (kalx, kaly)

cv2.rectangle(frame, kal1, kal2, (255,0,0),2)

【讨论】：