Python3的OpenCV卡尔曼滤波器

我正在尝试使用卡尔曼跟踪器跟踪物体的速度和位置。
为此，我有两个探测器返回边界框，但没有传感器返回速度，因此我使用状态转移矩阵间接跟踪它。
因此，动态参数的数量将为8（4个坐标，每个坐标都有一个速度）
测量总共有8个坐标（因为有2个探测器）。目前我正在制作测量，因为我正在测试卡尔曼滤波器类。
每个边界框的格式为-[x1、y1、x2、y2]，即左上角、右下角（LTRB）
这是我正在使用的代码

import numpy as np
import cv2
from scipy.linalg import block_diag

dt = 1.

dynamicParams = 8
measurementParams = 8
transitionMatrix = 1. * np.array([[1., dt, 0, 0, 0, 0, 0, 0],
                           [0, 1., 0, 0, 0, 0, 0, 0],
                           [0, 0, 1., dt, 0, 0, 0, 0],
                           [0, 0, 0, 1., 0, 0, 0, 0],
                           [0, 0, 0, 0, 1., dt, 0, 0],
                           [0, 0, 0, 0, 0, 1., 0, 0],
                           [0, 0, 0, 0, 0, 0, 1., dt],
                           [0, 0, 0, 0, 0, 0, 0, 1.]], dtype = np.float32)
measurementMatrix = 1. * np.array([[1., 0, 0, 0, 0, 0, 0, 0],
                           [0, 0, 1., 0, 0, 0, 0, 0],
                           [0, 0, 0, 0, 1., 0, 0, 0],
                           [0, 0, 0, 0, 0, 0, 1., 0],
                           [1., 0, 0, 0, 0, 0, 0, 0],
                           [0, 0, 1., 0, 0, 0, 0, 0],
                           [0, 0, 0, 0, 1., 0, 0, 0],
                           [0, 0, 0, 0, 0, 0, 1., 0]], dtype = np.float32
                          )
L = 10.0
        # All velocity and positions vectors are completely independant of each other
P = 1. * np.diag(L * np.ones(8))
        # prev_cov is just a temp variable to update self.P, P is the state covariance
prev_cov = P
# Initialize the covariance of the process noise
Q_comp_mat = 1. * np.array([[dt ** 4 / 4., dt ** 3 / 2.],
                            [dt ** 3 / 2., dt ** 2]] , dtype = np.float32)
Q = 1. * block_diag(Q_comp_mat, Q_comp_mat,
                    Q_comp_mat, Q_comp_mat)
R_scaler = 1.0
R_diag_array = 1. * R_scaler * np.array([L, L, L, L, L, L, L, L] , dtype = np.float32)
R = 1. * np.diag(R_diag_array)
processNoiseCov = 1. * Q
measurementNoiseCov = 1. * R
errorCovPost = 1. * np.array([0.])
statePost = 1. * np.array([0.])

tracker = cv2.KalmanFilter(dynamicParams, measurementParams)
tracker.transitionMatrix = 1. * transitionMatrix
tracker.measurementMatrix = 1. * measurementMatrix
tracker.processNoiseCov = 1. * processNoiseCov
tracker.measurementNoiseCov = 1. * measurementNoiseCov
tracker.errorCovPost = errorCovPost
tracker.statePost = statePost
measurement = tracker.measurementNoiseCov * np.random.randn(1, 1)
#measurement = np.array([[1,1,1,1] , [2,2,2,2]])
#pdb.set_trace()
prediction = tracker.predict()
dummy = tracker.correct(measurement)

  

最后一行的第二行抛出一个错误，它是：

cv2.error:OpenCV（4.1.0）../modules/core/src/matmul.dispatch.cpp:337:error:（-215:Assertion failed）type==B.type（），在函数“gemm”中

我无法使用PyCharm的调试器对此进行调试，因为该函数没有代码 OpenCV版本：4.1.0
Python版本：3.7.4

---

请要求进一步澄清

您必须为s

errorCovPost

和

statePost

设置正确的类型：

errorCovPost=1.*np.array（[0.]）

statePost=1.*np.array（[0.]）

errorCovPost=1.*np.array（[0.]，np.float32）
statePost=1。*np.array（[0.]，np.float32）