卡尔曼滤波器如何在Opencv Python中跟踪多个对象？

Question

我不太理解使用Python跟踪和标记多个移动对象的过程。我能够通过将每个帧转换为灰度图像，然后模糊处理，再进行背景分割，从而隔离出移动对象（尽管二值图像仍包含大量噪声）。

我使用cv2.findContours()找到了轮廓，它给我返回了一个numpy矩阵列表作为blob。我想使用卡尔曼滤波器来跟踪这些blob，因为在存在噪声的情况下，它非常擅长预测blob的位置。但是，鉴于KCF的特性，我认为找到轮廓是一个不必要的步骤，尤其是由于轮廓函数返回了许多高度可疑的blob。

我查看了卡尔曼滤波器的代码，但我不知道如何告诉它跟踪blob，更不用说告诉滤波器blob在哪里（或如何使用KF单独创建blob）。

我的问题是，如果KCF事先不知道blob的内容和位置（这就是我得到轮廓的原因），那么它如何处理多个对象的跟踪？一旦KCF开始跟踪对象，它如何存储blob以便可以轻松地进行标记？

- user1695915

Answer 1

Kalman滤波器本身不包含多个目标跟踪机制。为此，您需要添加额外的算法：例如，如果您有未知/可变数量的对象，则需要使用Reid 1979中的Multiple Hypothesis Tracking（MHT），如果您知道对象的数量，则需要使用Joint Probabilistic Data Association。

请注意，为了实际实现MHT，您需要引入Cox和Hingorani 1996中介绍的其他改进，“Reid's multiple hypothesis tracking…”的高效实现。

- afarley