我想学习使用卡尔曼滤波器跟踪移动的球。虽然有很多教程，但我仍然有一些问题。
如果我们能在视频序列的每一帧中提取球，我们就知道球的位置。那么，为什么我们还需要使用卡尔曼滤波器呢？卡尔曼滤波器在这里的作用是什么？
卡尔曼滤波器：x(k+1) = A.x(k) + B.u(k) + 噪声
y(k) = C.x(k) + noise
那么，我们如何定义 A、B、C 呢？假设我们要跟踪移动的球？
3 .如果我们知道先前状态 x(k-1) 和当前状态 y(k) 的测量值，我们可以计算估计状态。追踪移动球时的“测量”是什么？
【问题讨论】：
标签： filter tracking computer-vision kalman-filter
基本上，您使用跟踪方法来跟踪场景中的球。您仍然需要在每个时间步中检测球。
(1)
假设您到达一个点，另一个球进入场景。所以你需要找到一种方法来识别每个球。让情况变得更糟，甚至让他们相互交叉或在路上设置障碍物，这可能会暂时隐藏球。
然后，您的跟踪方法（即卡尔曼滤波器）将根据球之前的移动方式继续在估计的轨迹上移动。
因此，如果您只想知道球在每一帧中的位置，则不需要跟踪方法，但如果您想识别并跟踪一个球，则需要一个跟踪器，即卡尔曼滤波器或多- 对象跟踪我更喜欢粒子过滤器 (http://en.wikipedia.org/wiki/Particle_Filter)。
(2)
现在无法帮助您，因为我现在对卡尔曼滤波器还不太了解。 但基本上 A 应该是从步骤 x(t-1) 到 x(t) 的转移矩阵，B 应该是参考模型。但正如我所说，如果你可能得到多个球，你可能想看看粒子过滤器。
(3)
测量值将是您在图像上测量的位置。基本上是你的球的中点。您将使用此测量来校正估计的路径。所以基本上你将球在当前时间步长（取决于它之前的运动）应该在的位置与它的实际位置进行比较。
希望对您有所帮助...如果没有，请继续询问...
【讨论】：
我会一一回答你的问题。
卡尔曼滤波器仅用于估计，意味着减少错误。当你只是跟踪单个目标时，比如一个球，如果你能确定球在每一帧图像中的位置，我认为没有必要使用卡尔曼滤波器。但是，在多目标跟踪中，如果需要在连续两帧中匹配同一个目标，使用卡尔曼滤波器可以减少错误。
关于卡尔曼滤波的原理，我不是很清楚。
我认为“测量”是对当前帧中移动目标的检测。检测到的参数包括目标的质心位置和轮廓大小。
这是我个人的看法。如有错误，望指正。
【讨论】：