【计算机视觉】使用kalman filter跟踪鼠标光标

用卡尔曼滤波器跟踪鼠标光标

最新推荐文章于 2025-09-21 11:18:48 发布

原创

最新推荐文章于 2025-09-21 11:18:48 发布 · 964 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #opencv #python

这篇博客介绍了一个使用OpenCV库和卡尔曼滤波器来预测和追踪鼠标在黑色图像上移动的实现过程。通过初始化卡尔曼滤波器，设置测量和转换矩阵，然后在每次鼠标移动时进行校正和预测，用红色和绿色线条分别描绘预测和实际轨迹。最终，当用户按下ESC键时，会保存轨迹图像到文件。这个例子展示了卡尔曼滤波器在实时追踪中的应用。

问题描述：

1. 首先初始化黑色图像和卡尔曼滤波器。在窗口中显示黑色图像

2. 每次窗口化应用程序处理输入 ecevts 时，使用卡尔曼滤波器预测鼠标的位置，然后，根据实际鼠标坐标校正卡尔曼滤波器的模型，在黑色图像的顶部，从旧的预测位置绘制一条红线到新的预测位置，然后从旧的实际位置到新的实际位置画一条绿线，在窗口中显示绘图

3. 当用户按下 esc 键时，退出并将绘图保存到文件中

实现步骤：

初始化卡尔曼滤波器

import cv2 
import numpy as np

# create a black image
img = np.zeros((800,800,3),np.uint8)

# initialize the kalman filter
# cv2.KalmanFilter(4,2)
#                       4:number of variables tracked->(xpostion,yposition,xvelocity,yvelocity)
#                       2:number of variables provided to the filter as a measurement -> (xpostion,yposition)
kalman = cv2.KalmanFilter(4,2)
kalman.measurementMatrix = np.array(
    [[1, 0, 0, 0],
     [0, 1, 0, 0]], np.float32)
kalman.transitionMatrix = np.array(
    [[1, 0, 1, 0],
     [0, 1, 0, 1],
     [0, 0, 1, 0],
     [0, 0, 0, 1]], np.float32)
kalman.processNoiseCov = np.array(
    [[1, 0, 0, 0],
     [0, 1, 0, 0],
     [0, 0, 1