OpenCV filtre de Kalman python

Question

Quelqu'un peut-il me fournir un exemple de code ou une sorte d'exemple de mise en œuvre du filtre de Kalman en python 2.7 et OpenCV 2.4.13

Je veux la mettre en œuvre dans une vidéo pour suivre une personne, mais je Je n'ai aucune référence à apprendre et je n'ai trouvé aucun exemple de Python.

Je sais que Kalman Filter existe dans openCV comme cv2.KalmanFilter mais je n'ai aucune idée de comment l'utiliser. Toute orientation serait appréciée

Answer 1

Le code kalman.py ci-dessous est l'exemple inclus dans OpenCV 3.2 source dans GitHub. Il devrait être facile de changer la syntaxe en 2.4 si nécessaire.

#!/usr/bin/env python 
""" 
    Tracking of rotating point. 
    Rotation speed is constant. 
    Both state and measurements vectors are 1D (a point angle), 
    Measurement is the real point angle + gaussian noise. 
    The real and the estimated points are connected with yellow line segment, 
    the real and the measured points are connected with red line segment. 
    (if Kalman filter works correctly, 
    the yellow segment should be shorter than the red one). 
    Pressing any key (except ESC) will reset the tracking with a different speed. 
    Pressing ESC will stop the program. 
""" 
# Python 2/3 compatibility 
import sys 
PY3 = sys.version_info[0] == 3 

if PY3: 
    long = int 

import cv2 
from math import cos, sin, sqrt 
import numpy as np 

if __name__ == "__main__": 

    img_height = 500 
    img_width = 500 
    kalman = cv2.KalmanFilter(2, 1, 0) 

    code = long(-1) 

    cv2.namedWindow("Kalman") 

    while True: 
     state = 0.1 * np.random.randn(2, 1) 

     kalman.transitionMatrix = np.array([[1., 1.], [0., 1.]]) 
     kalman.measurementMatrix = 1. * np.ones((1, 2)) 
     kalman.processNoiseCov = 1e-5 * np.eye(2) 
     kalman.measurementNoiseCov = 1e-1 * np.ones((1, 1)) 
     kalman.errorCovPost = 1. * np.ones((2, 2)) 
     kalman.statePost = 0.1 * np.random.randn(2, 1) 

     while True: 
      def calc_point(angle): 
       return (np.around(img_width/2 + img_width/3*cos(angle), 0).astype(int), 
         np.around(img_height/2 - img_width/3*sin(angle), 1).astype(int)) 

      state_angle = state[0, 0] 
      state_pt = calc_point(state_angle) 

      prediction = kalman.predict() 
      predict_angle = prediction[0, 0] 
      predict_pt = calc_point(predict_angle) 

      measurement = kalman.measurementNoiseCov * np.random.randn(1, 1) 

      # generate measurement 
      measurement = np.dot(kalman.measurementMatrix, state) + measurement 

      measurement_angle = measurement[0, 0] 
      measurement_pt = calc_point(measurement_angle) 

      # plot points 
      def draw_cross(center, color, d): 
       cv2.line(img, 
         (center[0] - d, center[1] - d), (center[0] + d, center[1] + d), 
         color, 1, cv2.LINE_AA, 0) 
       cv2.line(img, 
         (center[0] + d, center[1] - d), (center[0] - d, center[1] + d), 
         color, 1, cv2.LINE_AA, 0) 

      img = np.zeros((img_height, img_width, 3), np.uint8) 
      draw_cross(np.int32(state_pt), (255, 255, 255), 3) 
      draw_cross(np.int32(measurement_pt), (0, 0, 255), 3) 
      draw_cross(np.int32(predict_pt), (0, 255, 0), 3) 

      cv2.line(img, state_pt, measurement_pt, (0, 0, 255), 3, cv2.LINE_AA, 0) 
      cv2.line(img, state_pt, predict_pt, (0, 255, 255), 3, cv2.LINE_AA, 0) 

      kalman.correct(measurement) 

      process_noise = sqrt(kalman.processNoiseCov[0,0]) * np.random.randn(2, 1) 
      state = np.dot(kalman.transitionMatrix, state) + process_noise 

      cv2.imshow("Kalman", img) 

      code = cv2.waitKey(100) 
      if code != -1: 
       break 

     if code in [27, ord('q'), ord('Q')]: 
      break 

    cv2.destroyWindow("Kalman") 

Voici le OpenCV 2.4 Doc sur le filtre de Kalman. J'espère que cette aide.