cyb*_*yne 6 matlab simulink computer-vision kalman-filter matlab-cvst
我读了一些关于CV对象跟踪的卡尔曼滤波器的工作,但我找不到一些关于选择的参考:1)过程噪声协方差Q; 2)测量噪声协方差R.到目前为止,我已经意识到模型是运动方程(有人使用加速度作为状态变量,其他人仅使用位置和速度)但没有人清楚Q和R选择,包括mathworks的这个例子:http ://www.mathworks.it/it/help/vision/examples/using-kalman-filter-for-object-tracking.html 最近我发现了这个页面:http: //blog.cordiner.net/2011/05/ 03/object-tracking-using-a-kalman-filter-matlab / 但Q和R分配并不清楚.有谁知道帮帮我,拜托？
R是测量噪声的协方差矩阵，假定为高斯。在跟踪视频中的对象时，这意味着您的检测错误。假设您使用的是面部检测器来检测面部，然后要使用卡尔曼滤波器对其进行跟踪。运行检测器，每个面都有一个边界框，然后使用卡尔曼滤波器跟踪每个框的质心。R矩阵必须描述您对质心位置的不确定性。因此，在这种情况下，对于x，y坐标，R的对应对角线值应为几个像素。如果您的状态包括速度，则需要猜测速度测量的不确定性，并考虑单位。如果您的位置以像素为单位，速度以像素/帧为单位，则R的对角线条目必须反映出来。
Q是过程噪声的协方差。简而言之，Q指定对象的实际运动与假定的运动模型有多少偏离。如果要在道路上跟踪汽车，则等速模型应该相当好，并且Q的项应该很小。如果要跟踪人的脸部，则他们不可能以恒定的速度运动，因此您需要提高Q值。同样，您需要知道状态变量的表示单位。
这就是直觉。在实践中，首先要对R和Q进行一些合理的初始猜测，然后通过实验对其进行调整。因此设置R和Q有点技巧。而且，在大多数情况下，对R和Q使用对角矩阵就足够了。
这是一个使用Matalb中的跟踪多人的示例vision.KalmanFilter。