我一直在使用Opencv和python,我在一个矩形上使用kalman滤镜我已经使用了背景减法和MOSSE,然后就此我将用另一个不同颜色的矩形预测下一个位置。预测输出偏差过大。
我编辑了不同的结果,主要问题是我不确定Opencv中的kalman实现,因为文档不是很好,很难知道它返回什么。
这是我的卡尔曼方法(我看了一些例子,我理解了基础知识,但我认为这应该是诚实的)。
kf = cv2.KalmanFilter(4, 2)
kf.measurementMatrix = np.array([[1, 0, 0, 0], [0, 1, 0, 0]], np.float32)
kf.transitionMatrix = np.array([[1, 0, 1, 0], [0, 1, 0, 1], [0, 0, 1, 0], [0, 0, 0, 1]], np.float32)
def Estimate(self, coordX, coordY):
measured = np.array([[np.float32(coordX)], [np.float32(coordY)]])
self.kf.correct(measured)
predicted = self.kf.predict()
return predicted
然后每盒发现我运行这个
kalmanPredict = Kalman().Estimate(newbox[0],newbox[1])
kalmanPredict[0] = kalmanPredict[0] + newbox[0]
kalmanPredict[1] = kalmanPredict[1] + newbox[1]
p = np.asarray(self.centralize((p1,p2), (kalmanPredict[0],kalmanPredict[1])))
p = np.int0(p)
kpt1 = p[0],p[1]
kpt2 = p[2],p[3]
cv2.rectangle(frame, kpt1, kpt2, (255,0,0),2)
集中化是我在网上测试的一种方法,它只是集中点。
def centralize(self, box, c):
pt1, pt2 = box
xA, yA = pt1
xB, yB = pt2
cx, cy = c
w = xB - xA
h = yB - yA
halfW = int(w/2)
halfH = int(h/2)
xA = cx - halfW
yA = cy - halfH
xB = xA + w
yB = yA + h
return xA, yA, xB, yB
它应该考虑位置/速度 - 但只是不确定这些文档和在线资源。任何帮助将不胜感激,谢谢。
我想我已经解决了它,我相信它不是它返回的中心点,它是新矩形左上角的xy坐标 - 所以我只是将宽度和高度添加到第二个边界框x,y坐标。
kalmanPredict = Kalman().Estimate(newbox[0],newbox[1])
kalx1 = kalmanPredict[0]
kaly1 = kalmanPredict[1]
kal1 = (kalx1, kaly1)
kalx = kalmanPredict[0] + w
kaly = kalmanPredict[1] + h
kal2 = (kalx, kaly)
cv2.rectangle(frame, kal1, kal2, (255,0,0),2)