我不了解使用 python 跟踪和标记多个移动对象的过程。通过将每个帧转换为灰度，然后模糊，然后进行 BGS，我能够隔离移动的物体(尽管二值图像仍然包含大量噪声)。
我用 cv2.findContours() 找到了等高线，它给了我 blob 作为 numpy 矩阵的列表。我想使用卡尔曼滤波器来跟踪这些 Blob ，因为它非常擅长在存在噪声的情况下预测 Blob 的位置。然而，在我看来，鉴于 KF 的性质，寻找轮廓是一个不必要的步骤，特别是因为轮廓函数返回了很多高度可疑的 Blob 。
我查看了 kalman filter 的代码，而且我不知道如何告诉它跟踪 blob，更不用说告诉过滤器 blob 在哪里(或如何单独使用 KF 创建 blob)。
我的问题是，如果 KF 事先不知道 Blob 是什么或 Blob 在哪里(这就是我得到轮廓的原因，但这个结果有点可怕)，它如何处理多目标跟踪。而且，一旦 KF 开始跟踪对象，它如何存储 blob 以便轻松标记？
最佳答案
卡尔曼滤波器本身不包含多个对象跟踪机制。为此，您需要一个额外的算法:例如，如果您有未知/可变数量的对象，则需要 Reid 1979 中的多重假设跟踪 (MHT)，如果您有已知数量的对象，则需要联合概率数据关联。
请注意，为了实际实现 MHT，您需要在 Cox 和 Hingorani 1996 年的“Reid 多重假设跟踪的有效实现...”中引入其他改进
关于python - 卡尔曼滤波器如何在 Opencv python 中跟踪多个对象？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/12879346/