我正在为Android构建多个人脸跟踪器，我正在使用卡尔曼滤波器，显然需要一些算法来区分跟踪对象，目前我对匈牙利算法感兴趣。
我不明白算法是如何工作的，但如果我有带坐标的2D空间，我无法弄清楚如何构建输入矩阵。所以，我们只是说我在框架中检测到了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，在新坐标上仍然检测到3个人，但现在我想知道哪个是 Person1 ，哪个是 Person2 等等。上一张图片。
现在我不太确定如何构建矩阵。 列应该是不同的人：
+---------+-x1--y1--x2--y2--x3--y3-+
| Person1 | |
| Person2 | |
| Person3 | |
+---------+------------------------+
值是当前位置和最后找到的位置之间的距离？ 我知道这看起来很愚蠢，但我很困惑。
感谢您的帮助。
答案 0 :(得分：0)
匈牙利方法解决了二分匹配问题。据我所知，它在运动跟踪中的应用解决了一个分配问题。
假设您在模型中有两个相同类型的A和B点;这些可能是空间中的几何点（或其他模型的实例）。
现在您有两个测量值（想象位置），即您在某个时刻测量X1和X2以及在其他某个时刻测量Y1和Y2 。现在问题是要确定X1是对应Y1还是X2对应Y2还是反过来。
方法是对点进行一些测量（想象欧几里德距离）。所以每个解释都对应一个任务;任务将由该措施引起总成本。使用匈牙利方法，选择成本最小的分配。这种方法的理由是最便宜的分配是最可能的分配。