据我了解，跟踪算法会预测给定对象在下一帧中的位置（在已经执行对象检测之后）。然后在下一帧中再次识别该对象。尚不清楚的是，跟踪器如何知道将第 2 帧中的对象与第 1 帧中的对象关联起来，尤其是当帧中有多个对象时。
我在一些地方看到，成本矩阵是使用预测和所有检测之间的欧几里德距离创建的，并且该问题被定义为分配问题（匈牙利算法）。
我对跟踪的理解是否正确？还有其他方法可以确定一帧中的对象与下一帧中的对象相同吗？
【问题讨论】：
标签： computer-vision video-tracking
你的理解是正确的。您已经描述了一个简单的成本函数，它可能在许多情况下都能很好地工作。但是，也会有失败的时候。
假设您拥有计算资源，您可以尝试通过使成本函数更复杂来使您的跟踪器更健壮。
您可以做的最简单的事情是考虑卡尔曼滤波器的误差协方差，而不仅仅是使用欧几里得距离。请参阅 MATLAB 中 vision.KalmanFilter 对象的文档中的距离方程。另请参阅Motion-based Multiple Object Tracking 示例。
您还可以在成本函数中包含其他信息。您可以考虑这样一个事实，即对象的大小不应在帧之间发生太大变化，或者对象的外观应保持不变。例如，您可以计算检测的颜色直方图，并将成本函数定义为“卡尔曼滤波器距离”和颜色直方图之间的某个距离的加权和。
【讨论】：