匈牙利算法用于人脸匹配

Question

匈牙利算法用于人脸匹配

3

我正在为Android构建多个人脸跟踪器，并使用卡尔曼滤波器，显然需要一些算法来区分跟踪的对象。我目前对匈牙利算法很感兴趣。

我确实了解该算法的工作原理，但无法弄清如何在有坐标的二维空间中构建输入矩阵。假设我在帧中检测到三个人：

**Person1** on the coordinates [10, 20]
**Person2** on the coordinates [100, 125]
**Person3** on the coordinates [50, 200]

在下一帧中，新坐标上仍然检测到3个人，但现在我想知道在前一张图片中哪一个是Person1，哪一个是Person2等等。

现在我不太确定如何构建矩阵。列应该是不同的人，如下所示：

+---------+-x1--y1--x2--y2--x3--y3-+
| Person1 |                        |
| Person2 |                        |
| Person3 |                        |
+---------+------------------------+

这些值是当前位置和上一次找到位置之间的距离吗？我知道这听起来很愚蠢，但我感到困惑。

谢谢您的帮助。

- skornos

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Codor · Answer 1

匈牙利算法解决二分图匹配问题。据我理解，它在运动跟踪中的应用解决了一种分配问题。

假设您在模型中有两个相同类型的点A和B；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），即您在某个时间点测量X1和X2，在另一个时间点测量Y1和Y2。现在的问题是决定X1是否对应于Y1，X2是否对应于Y2或者反过来。

方法是对点进行一些度量（想象欧几里得距离）。因此，每个解释都对应一个分配；该分配将由度量引起总成本。使用匈牙利算法，选择成本最小的分配。该方法的合理性在于最便宜的分配将是最有可能的分配。