algorithm - 匈牙利人脸匹配算法

Question

我正在为 Android 构建多面部跟踪器，我正在使用卡尔曼滤波器，它显然需要在它之上的一些算法来区分被跟踪的对象，目前我对匈牙利算法很感兴趣。

我确实不明白该算法是如何工作的，但如果我有带坐标的二维空间，我无法弄清楚如何构建输入矩阵。因此，假设我检测到画面中有 3 个人:

**Person1** on the coordinates [10, 20]
**Person2** on the coordinates [100, 125]
**Person3** on the coordinates [50, 200]

在下一帧中，在新坐标上仍然检测到 3 个人，但现在我想知道哪个是 Person1，哪个是 Person2，等等。上一张图片。

现在我不太确定如何构建矩阵。 列应该是这样的不同的人:

+---------+-x1--y1--x2--y2--x3--y3-+
| Person1 |                        |
| Person2 |                        |
| Person3 |                        |
+---------+------------------------+

值是当前位置和最后找到的位置之间的距离？ 我知道这可能看起来很愚蠢，但我很困惑。

感谢您的帮助。

Answer 1

匈牙利方法解决了二分匹配问题。据我了解，它在运动跟踪中的应用解决了分配问题。

假设您在模型中有两个相同类型的点A 和B；这些可能是空间中的几何点(或其他模型的实例)。

现在你有两个测量(想象位置)，即你在某个时刻测量 X1 和 X2 以及 Y1 和 Y2 在其他某个时刻。现在的问题是确定 X1 是否对应于 Y1 以及 X2 是否对应于 Y2 还是相反。

方法是对点进行一些测量(想象一下欧氏距离)。所以每个解释都会对应一个任务；该转让将产生因该措施而产生的总成本。使用匈牙利方法，选择成本最小的分配。最便宜的任务是最有可能的任务这一论点证明了该方法的合理性。