Отслеживание цели - очень сложная проблема. При отслеживании целей у вас будет две основные проблемы : проблема неопределенности движения и проблема неопределенности происхождения. Первый относится к тому, как вы моделируете движение объекта, чтобы вы могли предсказать его будущее состояние, а второй относится к вопросу об ассоциации данных (какое измерение соответствует какой дорожке, а литература заполнена scientifi c способов решения этой проблемы).
Прежде чем вы сможете найти решение своей проблемы, вам придется самостоятельно ответить на несколько вопросов, касающихся проблемы с отслеживанием, которую вы хотите решить. Например: какие значения вы должны отслеживать (это будет определять ваш вектор состояния), как эти значения связаны друг с другом, пытаетесь ли вы выполнить отслеживание одного или нескольких объектов, как движутся объекты (сделать они имеют относительно постоянное ускорение или скорость) или нет, делают ли объекты повороты, могут ли объекты также закрываться или нет и т. д.
Фильтр Калмана является хорошим решением для прогнозирования следующего состояние вашей системы (как только вы определили модель вашего процесса). Альтернативой глубокого изучения фильтра Калмана является так называемый Deep Kalman Filter , который, по сути, используется для того же. Если ваши модели процессов или измерений не являются линейными, вам придется их линеаризовать, прежде чем прогнозировать следующее состояние. Некоторыми решениями, которые имеют дело с нелинейными моделями процессов или измерений, являются Расширенный фильтр Калмана (EKF) или Беспахотный фильтр Калмана (UKF).
Теперь, что касается быстро движущихся объектов, идея, которую вы можете использовать, состоит в том, чтобы иметь большую ковариационную матрицу, поскольку объекты могут перемещаться намного быстрее, если они быстры, поэтому пространство поиска для правильной ассоциации должно быть немного больше Кроме того, вы можете использовать несколько моделей движения, если ваша модель движения не может быть удовлетворена только одной моделью. В случае окклюзии я оставлю вам этот поток переполнения стека , где я дал ответ, охватывающий более подробную информацию об обработке окклюзии в случае отслеживания. Я добавил несколько ссылок для вас, чтобы прочитать. Вам нужно будет предоставить более подробную информацию в своем вопросе, если вы хотите получить больше информации о решении (например, вы должны определить быстро движущиеся объекты относительно частоты кадров камеры).
Лично я не думаю, что для отслеживания существует решение «серебряной пули», я предпочитаю адаптировать решение к проблеме, которую пытаюсь решить.