系列對於這種數學知識、公式描述比較多的**，要搞懂他的公式，和**，不要去推導公式，那樣太花時間，而且沒必要，而且過段時間就忘了。明白公式的意思，明白**怎麼和公式對應，怎麼呼叫**函式，就可以了。
1.kalmanboxtracker初始化函式中如下**如何解釋？
self.kf = kalmanfilter(dim_x=7, dim_z=4)
self.kf.f = np.array([[1,0,0,0,1,0,0],[0,1,0,0,0,1,0],[0,0,1,0,0,0,1],[0,0,0,1,0,0,0], [0,0,0,0,1,0,0],[0,0,0,0,0,1,0],[0,0,0,0,0,0,1]])
self.kf.h = np.array([[1,0,0,0,0,0,0],[0,1,0,0,0,0,0],[0,0,1,0,0,0,0],[0,0,0,1,0,0,0]])
self.kf.r[2:,2:] *= 10.
self.kf.p[4:,4:] *= 1000. #give high uncertainty to the unobservable initial velocities
self.kf.p *= 10.
self.kf.q[-1,-1] *= 0.01
self.kf.q[4:,4:] *= 0.01
self.kf.x[:4] = convert_bbox_to_z(bbox)
觀測、測量 方程
先驗估計
先驗誤差協方差
卡爾曼增益
後驗估計
更新誤差協方差
#建立kalmanfilter類，設定隱狀態x 是7維，設定觀測變數z是4維
self.kf = kalmanfilter(dim_x=7, dim_z=4)
#初始設定x_center位置為 上一時刻位置x_center加上x_center速度乘1 , y_center,面積s同理，比例r、x_center變化速度、y_center變化速度、s面積變化速度 直接等賦值，即不變
self.kf.f = np.array([[1,0,0,0,1,0,0],[0,1,0,0,0,1,0],[0,0,1,0,0,0,1],[0,0,0,1,0,0,0], [0,0,0,0,1,0,0],[0,0,0,0,0,1,0],[0,0,0,0,0,0,1]])
#初始觀測矩陣，x_center,y_center, 面積size, 比例r 直接等於
self.kf.h = np.array([[1,0,0,0,0,0,0],[0,1,0,0,0,0,0],[0,0,1,0,0,0,0],[0,0,0,1,0,0,0]])
#觀測協方差矩陣r,是觀測變數x_center, y_center, 面積s, 比例r 的協方差矩陣
self.kf.r[2:,2:] *= 10.
#p是隱狀態x向量的協方差矩陣，對x_center變化速度、y_center變化速度、s面積變化速度 設定更高的相關性
self.kf.p[4:,4:] *= 1000. #give high uncertainty to the unobservable initial velocities
#隱狀態協方差矩陣，整體乘10
self.kf.p *= 10.
#每個隱狀態過程噪音，的協方差q， 認為面積變化噪音的方差很小
self.kf.q[-1,-1] *= 0.01
#認為x_center變化速度、y_center變化速度、s面積變化速度 的噪音，相關性很小
self.kf.q[4:,4:] *= 0.01
#設定隱狀態，x_center, y_center, 面積s, 寬高比例r 初始值。而x_center變化速度、y_center變化速度、s面積變化速度 初始值為0
self.kf.x[:4] = convert_bbox_to_z(bbox)
人臉跟蹤 sort多目標跟蹤
多目標跟蹤中sort演算法的理解 在跟蹤之前，對所有目標已經完成檢測，實現了特徵建模過程。1.第一幀進來時，以檢測到的目標初始化並建立新的 標註id。2.後面幀進來時，先到卡爾曼濾波器中得到由前面幀box產生的狀態 和協方差 求 所有目標狀態 與本幀檢測的box的iou，通過匈牙利指派演算法得到io...
多目標跟蹤中SORT演算法的理解
多目標跟蹤中sort演算法的理解 在跟蹤之前，對所有目標已經完成檢測，實現了特徵建模過程。1.第一幀進來時，以檢測到的目標初始化並建立新的 標註id。2.後面幀進來時，先到卡爾曼濾波器中得到由前面幀box產生的狀態 和協方差 求 所有目標狀態 與本幀檢測的box的iou，通過匈牙利指派演算法得到io...
目標跟蹤方法 基於輪廓跟蹤
一 理論 該方法的基本思想是使用一組封閉的輪廓曲線來表徵目標，將曲線作為模板，在相鄰幀的邊緣影象中匹配並跟蹤該模板。該方法與基於區域的跟蹤方法相類似，都存在目標模板匹配和目標模板更新兩個環節，但是該方法是在二值化影象中匹配目標的輪廓模板，大大減小了計算量，提高了匹配的速度。主動輪廓模型方法是近些年來...