基于卡尔曼滤波实现线性目标跟踪

前言

一个需求，在一个稳定的场景当中，实现目标检测计数算法。

任务点：

1. 实现目标检测
2. 完成对不同类别的物品进行计数
3. 在边缘设备完成部署

难点：

1. 边缘设备算力不足
2. 目标识别精度问题，识别类别在28类
3. 实时检测，存在相同物品重复计数的问题，需要进行区分识别，避免重复计数

易点：

1. 算力不足可以使用tiny系列的yolo算法，并通过tensorRT进行加速处理
2. 摄像头运动轨迹固定，为线性移动过程

方案：

1. 采用yolov3-tiny 算法
2. 通过卡尔曼滤波实现简单的目标跟踪，记录物品ID和类别即可完成计数

注： 本博文只提供简单思路，以及大致的实现，具体实现细节，甚至是实现语言请自行斟酌。

卡尔曼滤波

这个说来惭愧，去年好像是要写关于卡尔曼滤波的博文来着，好像还写了上篇，下篇没写。没想到，都是有铺垫的，回头还是得补上。

它的原理其实不难，先前我记得还举了什么小车运动的例子。说实