OpenCV Python Kalman фильтр результатов прогнозирования запроса - PullRequest
Новая
       38

OpenCV Python Kalman фильтр результатов прогнозирования запроса

1 голос
/ 21 апреля 2019

Я использую Opencv с Python, я использую фильтр Калмана для прямоугольника, который я использовал, используя вычитание фона и MOSSE, тогда я собираюсь предсказать следующее местоположение с другим прямоугольником в другом цвет. Результат прогноза слишком сильно смещен.

strawberry walking

Я отредактировал разные результаты, основная проблема в том, что я не уверен в реализации kalman в Opencv, так как документация не велика, трудно понять, что она возвращает.

Это мой метод Калмана (я смотрел на примеры и понимаю основы, но я полагал, что это должно сработать, если честно). 

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

Тогда в каждом найденном ящике я запускаю этот 

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)

централизация - это метод, который я тестировал онлайн, который просто центрирует точки. 

    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

он должен учитывать положение / скорость - но просто не уверен в этих документах и ​​ресурсах онлайн. Любая помощь будет высоко ценится, спасибо.

1 Ответ

0 голосов
/ 25 апреля 2019

Я думаю, что я решил это, я думаю, что это не центральные точки, которые он возвращает, это координаты xy верхнего левого угла нового прямоугольника - поэтому я просто добавил ширину и высоту ко второму ограничивающему прямоугольнику x, координаты y. 

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)
...