Opencv Python卡尔曼滤波器预测结果查询

Question

我一直在使用Opencv和python，我在使用背景减法和MOSSE的矩形上使用卡尔曼滤波器，然后在此我将用另一个矩形预测另一个位置的下一个位置颜色。预测输出的偏移量太大。

我已经编辑了不同的结果，主要问题是我不确定Opencv中的kalman实现，因为文档不是很好，很难知道返回的结果。

这是我的Kalman方法（我看过示例，并且了解基本知识，但我认为这应该是诚实的。）

kf = cv2.KalmanFilter(4, 2)
kf.measurementMatrix = np.array([[1, 0, 0, 0], [0, 1, 0, 0]], np.float32)
kf.transitionMatrix = np.array([[1, 0, 1, 0], [0, 1, 0, 1], [0, 0, 1, 0], [0, 0, 0, 1]], np.float32)

def Estimate(self, coordX, coordY):
    measured = np.array([[np.float32(coordX)], [np.float32(coordY)]])
    self.kf.correct(measured)
    predicted = self.kf.predict()
    return predicted

然后在每个盒子中找到我运行的

kalmanPredict = Kalman().Estimate(newbox[0],newbox[1])

kalmanPredict[0] = kalmanPredict[0] + newbox[0]
kalmanPredict[1] = kalmanPredict[1] + newbox[1]

p = np.asarray(self.centralize((p1,p2), (kalmanPredict[0],kalmanPredict[1])))
p = np.int0(p)

kpt1 = p[0],p[1]
kpt2 = p[2],p[3]

cv2.rectangle(frame, kpt1, kpt2, (255,0,0),2)

集中化是我在线测试的一种方法，它只是将点居中

。

    def centralize(self, box, c):
        pt1, pt2 = box
        xA, yA = pt1
        xB, yB = pt2
        cx, cy = c
        w = xB - xA
        h = yB - yA
        halfW = int(w/2)
        halfH = int(h/2)
        xA = cx - halfW
        yA = cy - halfH
        xB = xA + w
        yB = yA + h
        return xA, yA, xB, yB

它应该考虑位置/速度-但只是不确定这些文档以及在线资源。任何帮助将不胜感激，谢谢。

Answer 1

我想我已经解决了，我相信它不是返回的中心点，而是新矩形左上角的xy坐标-所以我只是在第二个边界框x中添加了宽度和高度， y坐标。

kalmanPredict = Kalman().Estimate(newbox[0],newbox[1])

kalx1 = kalmanPredict[0] 
kaly1 = kalmanPredict[1]

kal1 = (kalx1, kaly1)

kalx = kalmanPredict[0] + w
kaly = kalmanPredict[1] + h

kal2 = (kalx, kaly)

cv2.rectangle(frame, kal1, kal2, (255,0,0),2)