Question

当我尝试使用opencv卡尔曼滤波器跟踪目标时。我的初始设置如下：deltaTime = 1/30 #time大约是单帧状态= np.zeros（（4，1），np.float32）measure = np.zeros（（2，1），np.float32 ）

kalman = cv2.KalmanFilter（4，2，0）＃控制向量= 0，假设为线性运动。

kalman.measurementMatrix = np.array（[[1,0,0,0]，[0,1,0,0]]，np.float32）

kalman.transitionMatrix = np.array（[[1,0，deltaTime，0]，[0,1,0，deltaTime]，[0,0,1,0]，[0,0,0,1 ]]，np.float32）

kalman.processNoiseCov = np.array（[[1,0,0,0]，[0,1,0,0]，[0,0,1,0]，[0,0,0,1 ]]，np.float32）* 0.03当存在对物体的测量/观察时，我能够正确地跟踪目标。但是，当物体丢失在帧中时，卡尔曼滤波器的预测在最后一个已知位置保持不变目标。意思是，在我的情况下，卡尔曼滤波器的预测组件不起作用。检测代码和未检测代码如下所示：

        ***state = kalman.predict() #get the new predicted state from the previous state
        if ini.detection==1:
            ini.measureCentreV2[0] = currentX
            ini.measureCentreV2[1] = currentY
            state = kalman.correct(ini.measureCentreV2) #correct the newly predicted state, and use this as the next input for the prediction
        else: #when no detection, velocity will update with an interval of a single seconds 
            state[2]=ini.latestVelX 
            state[3]=ini.latestVelY

            kalman.statePost = state***

基本上，问题是，我的代码能够在没有任何障碍物的情况下很好地跟踪目标，但是一旦遇到任何障碍，预测结果将停止更改，并始终为目标提供最后的看见位置。直到目标再次出现，跟踪才会恢复。

opencv卡尔曼过滤器无法处理遮挡

0 个答案: