Filter 用卡尔曼滤波跟踪运动球的问题

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，我们就会知道球的位置。那么，为什么我们还需要使用卡尔曼滤波呢？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

那么，我们如何定义A，B，C？假设我们想要追踪移动的球

---

三,。如果我们知道先前的状态x（k-1）和当前状态y（k）的测量值，我们可以计算估计的状态。跟踪移动球的“测量”是什么？

基本上，你使用跟踪方法跟踪场景中的球。您仍然需要在每个时间步中检测球

（1）

假设您到达另一个球进入场景的点。因此，您需要找到一种方法来识别每个球。让情况变得更糟，甚至让他们互相交叉，或者在路上有障碍物，可能会把球藏起来一段时间

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，在估计的轨迹上继续移动

因此，如果你只想知道球在每个帧中的位置，你不需要跟踪方法，但是如果你想识别和跟踪一个球，你需要一个跟踪器，即卡尔曼滤波器，或者对于多目标跟踪，我更喜欢粒子滤波器(http://en.wikipedia.org/wiki/Particle_Filter)

（2）

我现在帮不了你，因为我现在还不太了解卡尔曼滤波器。 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，如果你可能得到不止一个球，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。您将使用此度量来更正估计的路径。因此，基本上你要比较球在当前时间步的位置（取决于它以前的运动）和它的实际位置

---

我希望这有助于。。。如果没有，继续问…

我会逐一回答你的问题

卡尔曼滤波器仅用于估计，这意味着减少错误。当你只是跟踪一个单一的目标，如一个球，如果你能确定球在图像的每一帧中的位置，我认为没有必要使用卡尔曼滤波器。然而，在多目标跟踪中，如果需要在两个连续帧中匹配同一目标，使用卡尔曼滤波可以减少错误

对于卡尔曼滤波的原理，我不是很清楚

我认为“测量”是在当前帧中检测运动目标。检测到的参数包括目标的质心位置和轮廓尺寸

这是我个人的意见。如果有什么错误，我希望得到纠正

              y(k) = C.x(k) + noise