3

我正在为 Android 构建多人脸跟踪器，我正在使用卡尔曼滤波器，它显然需要一些算法来区分被跟踪的对象，目前我对匈牙利算法感兴趣。

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，假设我在框架中检测到 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，但现在我想知道上一张图片中哪个是Person1，哪个是Person2等。

现在我不太确定如何构建矩阵。列应该是这样的不同人：

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

这些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。

谢谢您的帮助。

4

1 回答 1

0

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；B这些可能是空间中的几何点（或其他模型的实例）。

现在您有两个测量值（想象位置），即您在某个时间点和另一个时间点测量X1和。现在的问题是决定是对应还是相反。X2Y1Y2X1Y1X2Y2

方法是对点进行一些测量（想象欧几里得距离）。所以每个解释都对应一个任务；分配将产生由该措施引起的总成本。使用匈牙利方法，选择成本最小的分配。这种方法的合理性在于最便宜的分配将是最可能的分配。

于 2014-04-04T13:59:10.403 回答