我读了一些关于CV对象跟踪的卡尔曼滤波器的工作，但我找不到一些关于选择的参考：1）过程噪声协方差Q; 2）测量噪声协方差R.到目前为止，我已经意识到模型是运动方程（有人使用加速度作为状态变量，其他人仅使用位置和速度）但没有人清楚Q和R选择，包括mathworks的这个例子：http://www.mathworks.it/it/help/vision/examples/using-kalman-filter-for-object-tracking.html最近我发现了这个页面：http://blog.cordiner.net/2011/05/03/object-tracking-using-a-kalman-filter-matlab/但Q和R的分配并不清楚。有谁知道帮帮我，拜托？
R是测量噪声的协方差矩阵，假设为高斯。在跟踪视频中的对象的上下文中，这意味着您的检测错误。假设您正在使用面部检测器来检测面部，然后您想使用卡尔曼滤波器跟踪它们。您运行检测器，每个面都有一个边界框，然后使用卡尔曼滤波器跟踪每个框的质心。 R矩阵必须描述你对质心位置的不确定性。因此，在这种情况下，对于x，y坐标，R的对应对角线值应该是几个像素。如果您的状态包括速度，那么您需要猜测速度测量的不确定性，并考虑单位。如果您的位置以像素为单位测量，速度以每帧像素为单位，则R的对角线条目必须反映出来。
Q是过程噪声的协方差。简单地说，Q指定物体的实际运动偏离假设运动模型的程度。如果您正在跟踪道路上的汽车，那么恒定速度模型应该相当不错，并且Q的条目应该很小。如果你跟踪人的面部，他们不太可能以恒定的速度移动，所以你需要提高Q.同样，你需要知道你的状态变量表达的单位。
所以这就是直觉。在实践中，您首先对R和Q进行一些合理的初始猜测，然后通过实验进行调整。所以设置R和Q有点艺术。此外，在大多数情况下，使用R和Q的对角矩阵就足够了。
这是一个qazxsw poi，它使用Matlab中的qazxsw poi来跟踪多个人。