【计算机视觉】实现一个结合了 KNN 背景减法、MeanShift 和kalmanfilter的行人跟踪器。

问题描述：

1. 捕获画面从视频文件

2. 使用前 20 帧来填充背景减法器的历史

3. 基于背景减法，使用第21帧识别运动的前景物体，我们将其视为行人。 为每个行人分配一个id和一个初始跟踪窗口，然后计算一个直方图

4. 对于每个后续帧，使用卡尔曼滤波器和均值偏移跟踪每个行人

实现步骤：

• 创造行人类，初始化每个行人的id和跟踪窗口

'''
1.pedestrain class:     接受一个 id ，一个 hsv 格式的初始帧，和一个初始跟踪窗口，
'''
import cv2 
import numpy as np

class Pedestrian():
    '''
    一个被追踪行人，有一个状态，包括id，窗口，直方图和过滤器'''
    def __init__(self,id,hsv_frame,track_window):
        self.id = id
        self.track_window = track_window
        self.term_crit = (cv2.TERM_CRITERIA_COUNT| cv2.TERM_CRITERIA_EPS,10,1)

        x,y,w,h = track_window
        roi = hsv_frame[y:y+h,x:x+w]
        roi_hist = cv2.calcHist([roi],[0],None,[16],[0,180])
        self.roi_hist = cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX)
        self.kalman = cv2.KalmanFilter(4, 2)
        self.kalman.measurementMatrix = np.array(
            [[1, 0, 0, 0],
             [0, 1, 0, 0]], np.float32)
        self.kalman.transitionMatrix = np.array(
            [[1, 0, 1, 0],
             [0, 1, 0, 1],