认真写的博客

基本概念卡尔曼滤波是一个优化估计算法，能够降低预测结果的方差，是预测结果更加稳定。上图是代表的是一个雷达对一辆汽车位置的估计，黑点代表真实的情况，红色线条代表的是雷达的探测结果，紫色线条代表的是经过卡尔曼滤波处理后的结果。原理使用上一时刻的最优估计（后验估计）得到当前时刻的估计值（先验估计），然后利用观测值修正当前的估计值，得到当前时刻的最优估计。通俗理解：我们想要得到一个预测结果有两个办法，但这两个办法都有误差，卡尔曼滤波是综合这两个方法的结果得到一个误差更小的结果。比如想知道一个汽车现在所

目录基本概念成员基本流程本篇文章主要梳理deepsort跟踪的基本流程，不会具体讲解所有细节，但是基本的环节都不会遗漏。基本概念匈牙利算法匈牙利算法也可以称之为最小权重匹配，给一个矩阵，每一行至多与一列匹配，每一列也至多与一行匹配，当所有行或者列都匹配结束后，使匹配的结果之和最小。>>> cost = np.array([[4, 1, 3], [2, 0, 5], [3, 2, 2]])>>> from scipy.optimize import linear