Algorithm 人脸匹配的匈牙利算法

我正在为Android构建多人脸跟踪器，我正在使用Kalman滤波器，它显然需要一些算法来区分跟踪的对象，目前我对匈牙利算法感兴趣

我不知道该算法是如何工作的，但如果我有二维空间和坐标，我就无法理解如何构建输入矩阵。让我们假设我在画面中发现了3个人：

**Person1** on the coordinates [10, 20]
**Person2** on the coordinates [100, 125]
**Person3** on the coordinates [50, 200]

在下一帧中，在新坐标上仍检测到3个人，但现在我想知道在上一张图片中，哪个是Person1，哪个是Person2，等等

现在我不太确定如何构建矩阵。 列应该是不同的人，如下所示：

+---------+-x1--y1--x2--y2--x3--y3-+
| Person1 |                        |
| Person2 |                        |
| Person3 |                        |
+---------+------------------------+

这些值是当前位置和最后找到的位置之间的距离？ 我知道这可能看起来很愚蠢，但我很困惑

---

谢谢你的帮助。

匈牙利方法解决了二部匹配问题。据我所知，它在运动跟踪中的应用解决了分配问题

假设模型中有两个类型相同的点

A

和

B

；这些可能是空间中的几何点（或其他模型的实例）

现在有两个测量值（想象位置），即在某个时刻测量

X1

和

X2

，在另一个时刻测量

Y1

和

Y2

。现在的问题是决定

X1

是否对应于

Y1

，

X2

是否对应于

Y2

，或者反过来

---

方法是对点进行一些测量（想象一下欧几里德距离）。因此，每种解释都对应于一项任务；该任务将有一个由该措施引起的总成本。使用匈牙利方法，选择成本最小的分配。这种方法是合理的，因为最便宜的赋值就是最可能的赋值。

谢谢你，所以如果我用更简单的方式说：我的行是当前帧中检测到的坐标，列是前一帧中的坐标，值是这些点之间的欧氏距离？这似乎是正确的。据我所知，您希望匹配的分区（在您的公式中，成本矩阵的行和列）将是不同框架中的人员。然而，在你原来的问题中，你写的是3个人，他们构成了行，然后是6列。您希望有3列。