suy*_*shi 3 opencv deep-learning
我正在尝试创建一个能够跟踪视频/摄像机源中快速移动的对象的应用程序，但是还没有找到任何足够好的 CV/DL 解决方案。您能推荐任何计算机视觉解决方案来在普通笔记本电脑和网络摄像头上跟踪快速移动的物体吗？演示应用程序将是理想的选择。
例如，请观看此视频，其中跟踪是在硬件中完成的（我正在寻找软件解决方案）：https://www.youtube.com/watch ?v=qn5YQVvW-hQ
目标跟踪是一个非常困难的问题。在目标跟踪中，您将遇到两个主要问题：运动不确定性问题和原点不确定性问题。第一个是指对物体运动进行建模的方式，以便可以预测其未来状态，第二个是指数据关联的问题（什么测量对应于什么轨迹，文献中充满了这个问题可以用科学方法来解决）被接近）。
在找到问题的解决方案之前，您必须自己回答一些关于您想要解决的跟踪问题的问题。例如：您要跟踪的值是什么（这将定义您的状态向量），这些值如何相互关联，您是否尝试执行单个对象跟踪或多个对象跟踪，对象如何移动（做它们具有相对恒定的加速度或速度）或不恒定，物体是否转弯，物体是否也可以被遮挡等等。
卡尔曼滤波器是预测系统下一个状态的良好解决方案（一旦您确定了过程模型）。卡尔曼滤波器的深度学习替代方案是所谓的深度卡尔曼滤波器，它本质上用于执行相同的操作。如果您的过程或测量模型不是线性的，您必须在预测下一个状态之前将它们线性化。处理非线性过程或测量模型的一些解决方案是扩展卡尔曼滤波器(EKF) 或无迹卡尔曼滤波器(UKF)。
现在与快速移动的对象相关，您可以使用的一个想法是拥有更大的协方差矩阵，因为如果对象速度很快，它们可以移动更多，因此正确关联的搜索空间必须更大一些。此外，您可以使用多个运动模型，以防您的运动模型不能仅满足于一种模型。如果发生遮挡，我将给您留下这个堆栈溢出线程，其中我给出了一个答案，涵盖了有关跟踪情况下遮挡处理的更多详细信息。我添加了一些参考资料供您阅读。如果您想收到有关解决方案的更多信息，您将必须在问题中提供更多详细信息（例如，您应该根据相机帧速率定义快速移动的对象）。
我个人认为跟踪问题没有灵丹妙药的解决方案，我更喜欢为我想要解决的问题量身定制解决方案。