[发明专利]基于卡尔曼滤波的视觉目标处理方法、装置、设备及介质

说明书

本申请公开了一种基于卡尔曼滤波的视觉目标处理方法、装置、设备及介质。该方法包括：将视觉目标的状态向量分解为两个分向量；根据两个分向量各自所对应的状态误差协方差矩阵，并行地对两个分向量进行卡尔曼滤波处理，分别对应得到一个滤波后分向量以及一个滤波后状态误差协方差矩阵，所述状态误差协方差矩阵为块对角矩阵；合并两个滤波后分向量得到视觉目标的滤波后状态向量。本申请的方法使相关矩阵简化为块对角矩阵并且并行地处理，降低了计算量，提高了计算效率。

技术领域

本申请涉及计算机视觉技术领域，具体涉及一种基于卡尔曼滤波的视觉目标处理方法、装置、设备及介质。

背景技术

卡尔曼滤波通过计算系统状态矩阵，迭代地估计目标观测矩阵，进而完成目标的估计、预测等任务。卡尔曼滤波技术在视觉目标跟踪领域得到了广泛应用，并有力地推动了视觉目标跟踪技术的发展。卡尔曼滤波跟踪技术涉及到矩阵乘法运算和求逆运算。矩阵运算计算复杂度高，资源占用量大，当矩阵维度增加时，计算延迟或者资源消耗量将快速增长。因此有必要优化卡尔曼滤波的计算方法。

发明内容

本申请的目的是提供一种基于卡尔曼滤波的视觉目标处理方法、装置、设备及介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本申请实施例的一个方面，提供一种基于卡尔曼滤波的视觉目标处理方法，包括：

将视觉目标的状态向量分解为两个分向量；

根据所述两个分向量各自所对应的状态误差协方差矩阵，并行地对所述两个分向量进行卡尔曼滤波处理，分别对应得到一个滤波后分向量以及一个滤波后状态误差协方差矩阵，所述状态误差协方差矩阵为块对角矩阵；

合并两个所述滤波后分向量得到所述视觉目标的滤波后状态向量。

在本申请的一些实施例中，所述根据所述两个分向量各自所对应的状态误差协方差矩阵，并行地对所述两个分向量进行卡尔曼滤波处理，分别对应得到一个滤波后分向量以及一个滤波后状态误差协方差矩阵，包括：

利用状态转移矩阵获取第一分向量的更新后状态分向量；

利用所述状态转移矩阵、状态噪声协方差矩阵以及所述第一分向量的状态误差协方差矩阵，计算更新后状态误差协方差矩阵；

利用所述更新后状态误差协方差矩阵、状态观测矩阵和观测噪声协方差矩阵计算卡尔曼增益矩阵；

利用所述更新后状态分向量、所述卡尔曼增益矩阵、所述状态观测矩阵以及预先获取的状态观测值，计算滤波后分向量；

利用所述更新后状态误差协方差矩阵、所述卡尔曼增益矩阵和所述状态观测矩阵，计算滤波后状态误差协方差矩阵；

其中，所述第一分向量为所述两个分向量中的任一分向量；所述状态转移矩阵、所述观测噪声协方差矩阵、所述状态噪声协方差矩阵和所述状态观测矩阵均为预先设置的。

在本申请的一些实施例中，所述利用状态转移矩阵获取第一分向量的更新后状态分向量，包括：

利用所述状态转移矩阵乘以所述第一分向量，得到更新后状态分向量。

在本申请的一些实施例中，所述利用所述状态转移矩阵、状态噪声协方差矩阵以及所述第一分向量的状态误差协方差矩阵，计算更新后状态误差协方差矩阵，计算公式为：

更新后状态误差协方差矩阵＝状态转移矩阵×状态误差协方差矩阵×状态转移矩阵转置矩阵+状态噪声协方差矩阵。

在本申请的一些实施例中，所述利用所述更新后状态误差协方差矩阵、状态观测矩阵和观测噪声协方差矩阵计算卡尔曼增益矩阵，计算公式为：