卡尔曼实时检测跟踪算法（论文总结）

论文来源：检索-中国知网

1、引言概述

       从2015年至今，运动目标检测与跟踪发展迅速，一直以来不断有新的目标检测与跟踪算法被提出，例如：Kalma算法、UPDT算法等，其中卡尔曼滤波算法就是一种功能强大的算法，它采用背景减法方法来检测视频中的运动物体，通过卡尔曼滤波器预测并估计物体的下一个状态，移动目标检测的定义是将移动目标与背景分离，获取目标的运动信息与位置，准确并实时标记运动目标。

目标跟踪算法的改进主要从来两个方面来实施: 

       ①基于网络的改进,例如:SimRPN++算法、DLT 算法等;

       ②结合相关滤波器,包括 ECO 算法、C-COT 算法等。

       但是在复杂环境条件下进行运动目标跟踪时,为了提升跟踪的稳定性,面临着许多挑战,诸如:形态变化、速度变化、尺度变化、图像模糊等等。

2、标准的Kalman滤波器检测原理

       Kalman 滤波器其实是一组数学方程,它通过最小化平方误差均值的方式,实现一种有效的计算递归方法来估计运动目标的状态。 卡尔曼滤波器的方程可以分为两组:预测方程和校正方程:
      ①预测方程负责提前预测当前状态估计

       其中 ^ x k 定义为时间 k