Computer vision 卡尔曼滤波器在视频多目标跟踪中的应用

据我所知，跟踪算法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。不清楚的是跟踪器如何知道将第二帧中的对象与第一帧中的对象相关联，尤其是当帧中有多个对象时

我在一些地方看到，使用预测和所有检测之间的欧几里德距离创建成本矩阵，并将问题设为分配问题（匈牙利算法）

---

我对跟踪的理解正确吗？是否有其他方法确定一帧中的对象与下一帧中的对象相同？

您的理解是正确的。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。然而，有时它会失败

假设您有计算资源，您可以通过使成本函数更复杂来尝试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德距离。请参见MATLAB中对象文档中的距离方程。另请参见示例

---

您还可以在成本函数中包含其他信息。您可以解释这样一个事实，即对象的大小在帧之间不应变化太大，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，并将代价函数定义为“卡尔曼滤波距离”和颜色直方图之间的某个距离的加权和

我以前确实看过那一页。这是第一件让我觉得是作业问题的事情。我没有注意到的是，它们实际上提供了一个距离公式。谢谢有关于更好的成本函数的链接和论文吗？搜索“基于外观的跟踪”。你应该找到很多文件。