Блог

Я новичок в фильтрации Калмана, но возможно ли применить фильтр Калмана для прогнозирования и отслеживания объектов в видеокадрах с использованием MATLAB?

Дополнительная информация: У меня есть последовательный набор из 20 изображений пули, вылетающей из пистолета (серийный снимок изображений). Я произвел некоторую обработку изображений на кадрах, и теперь я могу указать маркер в виде точки. Могу ли я предсказать положение маркера в 21-м кадре?

ПРИМЕЧАНИЕ: Я узнал, что мне нужно зациклить кадры изображения и сделать видео, а затем поместить его для прогнозирования фильтра Калмана. Но возможно ли выполнить прогнозирование, не превращая кадры в видео.

Спасибо.

Если вы применили фильтр Калмана для начальных 20 кадров, то вам будет понятен следующий ответ.

Если у вас нет 21-го кадра.

Затем X(t 1) = A*X(t) B(u) Noise

Это оператор predict, и вы можете предсказать значение в 21-м кадре. A = состояние, атрикс, B = матрица управления. X (t) = положение маркера в 20-м кадре, назначенное фильтром Калмана.

Если у вас нет 21-го кадра, то вы можете использовать указанное выше значение, чтобы показать маркер в 21-м кадре. Это одна из основных функций фильтра Калмана, т. Е. даже если у вас нет значения наблюдения, вы все равно можете предсказать значение в следующем кадре., что является очень распространенным практическим случаем, потому что большую часть времени датчики не выбирают объекты, и значения наблюдения нет.

И если вы получаете 21-й кадр, тогда возьмите значение наблюдения и обновите свой прогноз.

Я бы порекомендовал ознакомиться с руководством студента Дейва на YouTube по фильтрам Калмана и отслеживанию. И перейдите к курсу udacity по ссылке Udacity.

Функция фильтра Калмана для вашей проблемы хотела бы

     void Kalman_Filter(float *Zx, float *Zy)
{

    Mat Zt = (Mat_<float>(2, 1) << *Zx, *Zy);

    //prediction
    Predict = A*Prior;//  B*a;

    //covariacne
    P = P*P*A.t()   Ex;

    //measurement uopdate
    Mat Kt = P*H.t()*(H*P*H.t()   Ez);
    //
    Prior = Predict   Kt*(Zt - H*Predict);
    //
    P = (I - Kt*H)*P;
    //
    *Zx = Prior.at<float>(0, 0);
    *Zy = Prior.at<float>(1, 0);
    //
    return;

}
  

здесь * Zx и * Zy являются значениями наблюдения и содержат положение x и y маркера размера точки, который вы выяснили.

«Система компьютерного зрения Tooblox» имеет реализацию фильтров Калмана: vision.KalmanFilter

В документации есть демонстрация, которая показывает это в действии:

Использование фильтра Калмана для отслеживания объектов

Обратите внимание, что не имеет значения, откуда поступают кадры (может быть последовательность изображений или фактическое видео).

Предсказать положение не очень сложно. Вы усредняете изменения положения с течением времени и используете это для прогнозирования нового положения.

Например, предположим, что ваш маркер находится в позиции 50, 46, 41, 37 в последующих кадрах с известной (и постоянной) частотой кадров. Различия в позициях составляют -4, -5, -4. Используйте среднее значение по своему вкусу. (Фильтр Калмана использует экспоненциальное усреднение) Средняя скорость составляет -4.33

Следовательно, прогнозируемое положение в следующем кадре составляет 37 (-4.33) = 32.67 пикселей

Из того, что я вижу, вам не нужен фильтр Калмана. Если вы только наблюдаете за положением. прогнозируйте и обновляйте, вам это не нужно. Фильтр Калмана действительно эффективен, когда у вас есть несколько датчиков, которые измеряют связанные вещи, или сложное поведение системы. (При высокоскоростной обработке изображений вы часто можете игнорировать гравитацию. Поскольку все ваши движения линейны, у вас есть простая система.)

Чтобы ответить на вопрос: Да, вы можете использовать фильтр Калмана для отслеживания маркера. Однако для такого простого варианта использования это кажется излишеством.