c++ - 没有卡尔曼滤波器的 BackgroundSubtractorGMG？

Question

在 Opencv 上，我读到 BackgroundSubtractorGMG 来自文章“Visual Tracking of Human Visitors under Variable-Lighting Conditions for a Responsive Audio Art Installation”，A. Godbehere、A. Matsukawa、K. Goldberg，American Control Conference，蒙特利尔, 2012 年 6 月。

我阅读了它，然后查看了 OpenCv 的源代码。

我没有找到标题为“III. MULTIPLE VISITOR TRACKING”文章(卡尔曼滤波器)。
此外，在我看来，每个像素都已更新，甚至是标记为前景的像素(与文章中所述不同)。
如果是这样，该实现就像 OpenCv 的其他方法一样，但存储过去像素内存的方式略有不同。
我哪里错了吗？

编辑
在我仔细阅读的原始文章中，有一张图表解释了该算法的工作原理。 (这篇文章很清楚，我的疑虑是关于 OpenCv 的实现)

图1.
Image & (previous image+foreground pixels) => segmentation part => multitracking part => foreground pixels

原始算法与其他算法的不同之处在于嵌入的多轨部分。 如果你愿意，你可以删除它，但它不再有意义了。 无论如何，如果不修改第一部分，那部分是不可能实现的(这应该真的很难)，因为它们是集成的。

Answer 1

BackgroundSubtractorGMG 不实现跟踪，它只实现前景检测。因此，对象跟踪是前景检测之上的一项单独操作。您可以使用 the Kalman filter class 自己实现论文的跟踪部分。在 OpenCV 中。

编辑 前景分割和目标跟踪是本文提出的算法的两个不同步骤，前景分割只是图1中算法图的一部分。来自文章(重点是我的):

Abstract—For a responsive audio art installation in a skylit atrium, we introduce a single-camera statistical segmentation and tracking algorithm. The algorithm combines statistical background image estimation, per-pixel Bayesian segmentation, and an approximate solution to the multi-target tracking problem using a bank of Kalman filters and Gale-Shapley matching.

...

III. MULTIPLE VISITOR TRACKING

Lacking camera calibration, we track foreground visitors in the image plane rather than the ground plane. Once the foreground/background segmentation algorithm returns a set of detected visitors, the challenge is to track the visitors to gather useful state information: their position, velocity, and size in the image plane.

...

Given this linear model, and given that observations are correctly matched to the tracks, a Kalman filter bank solves the multiple target tracking problem.

因此 BackgroundSubtractorGMG 是返回一组检测到的访问者的前景/背景分割算法。它由统计背景图像估计、逐像素贝叶斯分割组成。

本文的第三部分着重于前景对象被分割后的跟踪。它利用一组卡尔曼滤波器和 Gale-Shapley 匹配近似解决多目标跟踪问题。