简介：基于卡尔曼滤波的目标跟踪算法官方Demo出自MATLAB计算机视觉工具箱，是面向目标跟踪初学者、算法研究人员及视觉课程教学的经典案例。Demo利用卡尔曼滤波强大的预测与更新机制，有效处理随机观测噪声带来的不确定性，通过历史状态和运动模型预测目标下一帧位置，再结合新观测进行状态修正，从而实现连续、稳定的目标跟踪。资源压缩包共3个文件，核心是带详细中文注释的MATLAB主程序（.m），配套avi演示视频和数据库文件（.db），整体仅5.76MB，占用空间小，在MATLAB 2014及以上版本即可直接运行。目前已有3881人学习下载，具备不错的参考热度。借助此Demo可以完整理解状态转移矩阵、观测矩阵与协方差更新的数学作用，并能逐帧拆解初始化、预测、更新和状态修正的完整流程；中文注释显著降低了卡尔曼滤波的入门门槛，修改参数或替换输入视频后还可适配不同跟踪场景，兼具教学演示与二次开发价值。
1. 基于卡尔曼滤波的目标跟踪算法：官方 demo 到底在演什么
如果你打开一个卡尔曼滤波目标跟踪的官方 demo，大概率看到的不是自动驾驶，也不是导弹制导，而是一个简单的画面：视频里有一个移动目标，程序画出一个点或者一个框，目标被遮挡几帧后，框依然能跟上；目标左右晃动时，框比肉眼判断还平滑。这套效果背后的核心就是卡尔曼滤波——一种在只有噪声测量的情况下，对系统状态做最优估计的递推算法。它不依赖深度学习的算力，不需要标注数据，一个几百行的程序就能跑出实时跟踪效果。
这篇文章要解决的问题很直接：这个 demo 里每一行核心代码在算什么，五个公式分别对应哪几个变量，过程噪声和测量噪声到底怎么调，以及当你把自己的检测器接到这套滤波上时，哪些地方会翻车。适合两类人：一是刚接触目标跟踪、想从 demo 源码理解卡尔曼滤波本质的初学者；二是已经有检测模型、想用卡尔曼滤波给检测结果做平滑和遮挡补偿的工程开发。看完你至少能独立改参数、换状态变量，并且知道跟踪结果什么时候可信、什么时候必须放弃。
2. 跟踪 demo 的数学内核：五个公式和两个噪声矩阵
2.1 卡尔曼滤波在目标跟踪里到底在算什么
目标跟踪里的卡尔曼滤波，本质上是在回答一个问题：目标下一帧在哪里。但测量值通常不干净——检测框抖动、鼠标点选有误差、雷达回波有噪声。卡尔曼滤波做的事情是：先用运动模型预测一个位置，再用测量值修正这个预测，最终输出一个比两者都更可信的估计位置。
官方 demo 里，状态向量一般取四维：(x, y, vx, vy)，即目标中心的横纵坐标和对应的速度。测量向量取两维：(x, y)，即每一帧检测到的目标中心位置。这里有一个常见误区：很多人以为卡尔曼滤波只能处理匀速直线运动。其实它对加速运动也能处理，只是需要把状态向量扩到六维甚至九维，加上加速度分量。demo 之所以用四维，是因为匀速模型在短时间间隔内对绝大多数目标的近似已经足够好，扩维的代价是计算量和调参难度同时上升。
我见过一个做行人跟踪的案例，目标频繁变速，四维状态明显跟不上，开发者直接把 Q 矩阵调大，效果改善有限；后来改为六维状态加匀加速模型，跟踪滞后立刻缓解。这说明状态向量的维度应当与目标的实际运动模式匹配，而不是越大越好。
2.2 预测与更新的五个公式，逐个对应到 demo 代码
卡尔曼滤波的核心是五个公式，分两组。预测组有两个：状态预测和协方差预测；更新组有三个：卡尔曼增益、状态修正、协方差修正。官方 demo 的 OpenCV 实现把这五个公式封装成了两个方法：predict()和correct()。但你要改代码，必须理解每个公式对应的矩阵。
预测组的第一个公式：x_pred = F * x_prev。F 是状态转移矩阵，四维状态下的典型形式是:
F = [ [1, 0, dt, 0], [0, 1, 0, dt], [0, 0, 1, 0], [0, 0, 0, 1] ]dt 是相邻两帧的时间间隔。第二行到第四行表示：位置等于上一帧位置加速度乘时间，速度保持不变。预测组的第二个公式是协方差预测：P_pred = F * P_prev * F^T + Q。P 是状态协方差矩阵，代表当前估计的不确定度；Q 是过程噪声矩阵，代表运动模型本身的不准确程度。
更新组的第一个公式是卡尔曼增益：K = P_pred * H^T * (H * P_pred * H^T + R)^(-1)。H 是测量矩阵，把状态空间映射到测量空间，四维状态测二维位置的 H 是:
H = [ [1, 0, 0, 0], [0, 1, 0, 0] ]R 是测量噪声矩阵，代表你测量的置信程度。增益 K 的意义是：预测和测量谁更可信，就多信谁一点。更新组的后两个公式用增益把预测值和测量值融合，并重新计算协方差。
2.3 demo 里的状态表达：为什么用中心点而不是左上角坐标
官方 demo 大部分是基于 OpenCV 的鼠标交互版本：你用鼠标点选目标，程序初始化卡尔曼滤波器，然后每帧输出一个预测点。这里的核心不是坐标用哪种表达，而是初始化方式。OpenCV 的KalmanFilter需要四个参数：状态维度、测量维度、控制向量维度（通常为 0），以及类型（通常用 CV_32F）。
初始化后要马上设置 F、H、Q、R，以及初始状态。很多人直接跑 demo 能出框，但改成自己的数据就乱跳，原因就是只复制了初始化代码，没改 Q 和 R。demo 里给出的初始值通常只对 demo 场景有效，换一个视频、换一个运动模式，参数必须重调。还有一点：状态向量用中心点而不是左上角，是因为中心点受检测框尺寸变化影响较小，框变大变小不会让中心的估计值突变；而左上角坐标会随框的尺寸同步漂移，给滤波器引入不必要的扰动。
import cv2 import numpy as np # 状态四维: cx, cy, vx, vy；测量二维: cx, cy kf = cv2.KalmanFilter(4, 2, 0, cv2.CV_32F) dt = 1.0 # 两帧间隔，demo里常取1；真实场景按帧间隔秒数填 kf.transitionMatrix = np.array([ [1, 0, dt, 0], [0, 1, 0, dt], [0, 0, 1, 0], [0, 0, 0, 1] ], dtype=np.float32) kf.measurementMatrix = np.array([ [1, 0, 0, 0], [0, 1, 0, 0] ], dtype=np.float32) # 过程噪声：模型不准的程度。先给一个居中量，再按效果调 kf.processNoiseCov = np.eye(4, dtype=np.float32) * 1e-2 # 测量噪声：测量值的可信度。demo常用1e-1起步 kf.measurementNoiseCov = np.eye(2, dtype=np.float32) * 1e-1 # 后验协方差初值：不确定度大一点，让滤波器先信任测量 kf.errorCovPost = np.eye(4, dtype=np.float32) # 初始状态：第一帧鼠标位置，速度先给0 kf.statePost = np.array([[x0], [y0], [0], [0]], dtype=np.float32)这段代码里，transitionMatrix 和 measurementMatrix 是必须和状态维度、测量维度严格对齐的。processNoiseCov 取 1e-2 表示运动模型比较可信；如果目标机动性强，这个值要放大到 1e-1 甚至 1。measurementNoiseCov 取 1e-1 表示测量值也有噪声，不能全信。两个矩阵的相对大小决定了滤波器的行为：Q 远大于 R 时，滤波器更相信测量值，轨迹贴合度高但抖动明显；R 远大于 Q 时，轨迹平滑但滞后严重。这个权衡是后面所有调参工作的核心。
3. 把官方 demo 跑起来：从鼠标选目标到画出跟踪框的最小路径
3.1 demo 的主循环：predict 和 correct 的调用顺序不能反
官方 demo 的主循环通常长这样：读取一帧图像，调用predict()得到预测位置，然后用检测结果或鼠标位置调用correct()得到修正位置，最后在图像上画点或画框。顺序必须是先 predict 再 correct，反过来会让滤波器用上一帧的测量值修正这一帧的预测，产生一帧的额外滞后。
while True: ret, frame = cap.read() if not ret: break # 第一步：用运动模型预测当前帧位置 predicted = kf.predict() px, py = int(predicted[0]), int(predicted[1]) # 第二步：拿到测量值。demo里通常是鼠标位置或检测器的输出 # 这里以鼠标点击位置为例 measured = np.array([[mx], [my]], dtype=np.float32) # 第三步：用测量值修正预测值 corrected = kf.correct(measured) cx, cy = int(corrected[0]), int(corrected[1]) # 第四步：画图 cv2.circle(frame, (px, py), 5, (255, 0, 0), -1) # 蓝色：预测点 cv2.circle(frame, (cx, cy), 5, (0, 255, 0), -1) # 绿色：修正点 cv2.circle(frame, (mx, my), 5, (0, 0, 255), -1) # 红色：原始测量点 cv2.imshow("kalman demo", frame) if cv2.waitKey(30) & 0xFF == 27: breakpredict 和 correct 的调用顺序是卡尔曼滤波 demo 里最常见的低级错误之一。predict 推进时间，correct 修正状态。如果你先 correct 再 predict，等于用旧的测量值更新了当前状态，再做一次时间推进，结果就是跟踪框永远比真实位置慢半拍。另外注意 demo 里画了三种点：蓝色是纯预测结果，绿色是修正后的结果，红色是测量值。理想情况下绿点应该比红点平滑，蓝点应该指向绿点运动的方向。调试时先看这三点的关系，能快速定位问题在预测端还是修正端。
3.2 初始化策略：第一帧没有测量值怎么办
视频跟踪的第一个难题是第一帧。目标还没出现时，滤波器没有测量值可用，如果强行调用 correct，会用一个全零或者随机的位置去修正状态，导致滤波器的初始状态被污染，后面好几帧都在收敛。官方 demo 的做法通常是用鼠标点击第一帧的目标位置作为初始状态，这是一个合理的初始化方式。
常见做法是：第一帧检测到目标时，不调用 predict，直接用测量值给 statePost 赋值，然后把误差协方差 errorCovPost 设得较大，表示初始状态不确定。从第二帧开始才进入正常的 predict-correct 循环。这样滤波器会在前几帧快速收敛到目标真实轨迹附近，而不是花很长时间从错误的初始状态爬回来。
first_frame = True while True: ret, frame = cap.read() if not ret: break mx, my = get_measurement(frame) # 检测器或鼠标输入 if first_frame: # 第一帧：直接用测量值初始化，不predict kf.statePost = np.array([[mx], [my], [0], [0]], dtype=np.float32) kf.errorCovPost = np.eye(4, dtype=np.float32) * 10.0 first_frame = False continue predicted = kf.predict() corrected = kf.correct(np.array([[mx], [my]], dtype=np.float32))errorCovPost 初值设成 10 倍单位矩阵，比第 2 章代码里的 1 倍大了一个量级，目的是让滤波器在初始阶段更信任测量值，快速把速度分量估出来。如果你把初值设得太小，比如 1e-4，滤波器会认为初始状态非常准确，后续测量值几乎不起作用，跟踪框会沿着初始速度方向飞出去，尤其当目标在第一帧是静止的而下一秒突然移动时，这个现象特别明显。
3.3 demo 里为什么不画检测框只画点
很多官方 demo 只画点不画框，看起来不够直观，但这其实是有意的设计。点目标的跟踪是框目标跟踪的基础：点的状态是 (x, y, vx, vy)，框的状态则要加宽度和高度，变成 (cx, cy, w, h, vx, vy, vw, vh)，矩阵维度增加导致调参复杂度成倍上升。demo 先画点，是让新手把注意力集中在滤波器的行为上，而不是被框的尺寸变化干扰。
如果你的需求是框跟踪，有一个取巧的方案：用点跟踪的滤波器，把框的宽度和高度用最近几帧的中值或者指数滑动平均来估计，不放进卡尔曼状态里。这样做的优点是滤波器简单稳定，缺点是目标快速靠近或远离时，框的尺寸变化跟不上。真正的框跟踪应该把 w 和 h 也放进状态向量，并配一个比例关系的测量矩阵，后面第 6 章会具体展开。
4. 调参不是靠感觉：过程噪声与测量噪声的调试顺序
4.1 Q 与 R 的物理含义，以及它们相对大小造成的三种典型行为
过程噪声 Q 表示你对运动模型的信任程度。Q 大，意味着你承认目标可能随时加速或转弯，滤波器会更积极地去追随测量值；Q 小，意味着你假设目标基本匀速，滤波器会更依赖模型外推。测量噪声 R 表示你对测量值的信任程度。R 大，你承认检测框可能跳动很厉害，滤波器会更多依赖模型；R 小，你认为检测很准，滤波器会紧跟测量点。
两者的相对大小直接决定跟踪轨迹的三种典型形态：R 远大于 Q 时，轨迹表现为一条非常平滑的曲线，但对突然的转向反应迟钝，表现为明显的滞后；Q 远大于 R 时，轨迹紧贴测量点，几乎不做平滑，噪声大的检测器会把抖动完整传给跟踪结果；两者接近时，轨迹在平滑和响应之间取折中，这也是大部分场景的合理起点。
| 场景特征 | Q 初始建议 | R 初始建议 | 预期效果 |
|---|---|---|---|
| 目标匀速直线运动，测量噪声小 | 1e-4 ~ 1e-3 | 1e-2 ~ 1e-1 | 轨迹平滑，滞后很小 |
| 目标机动性强，频繁变速变向 | 1e-1 ~ 1.0 | 1e-2 ~ 1e-1 | 响应快，轨迹略有抖动 |
| 检测器漏检多，测量值时有时无 | 1e-3 ~ 1e-2 | 0.1 ~ 1.0 | 漏检时保持预测，恢复测量时不跳变 |
| 检测框抖动严重（如低置信度检测） | 1e-3 ~ 1e-2 | 1.0 ~ 10.0 | 轨迹平滑，但转向滞后明显 |
这四组参数是我在实践中的常用起点，不是最优解，但是可靠的调试起点。注意 Q 和 R 的绝对值大小不直接决定行为，两者的比值才决定行为。所以当你看到效果不对时，不要只想着调大或调小某一个值，先想清楚是响应太慢的问题还是抖动太严重的问题。
4.2 一个实用的调参顺序：先定 R，再定 Q
调参最忌讳两个参数一起胡乱试。我一般会先固定 R，然后单独调整 Q。原因是 R 通常可以凭直觉给一个量级：检测框的像素抖动如果是 2 到 3 个像素，R 的平方根量级就取 2 到 3，对应的 R 值在 4 到 9 附近。这是一个非常有效的粗估计方法，因为 R 在线性卡尔曼滤波里本质上就是测量噪声的方差。
Q 的调试则需要结合具体运动模式。如果目标是行人，行人走路会有周期性摆动，但整体速度变化平缓，Q 取 1e-3 量级合适；如果目标是车辆，车辆启动和刹车加速度大，Q 取 1e-1 量级更合理。一个快速的验证方法是：跑一段视频，把滤波器输出的轨迹和测量值轨迹叠加显示，如果滤波轨迹明显滞后于测量轨迹，说明 Q 过小，模型太固执，要调大；如果滤波轨迹杂乱无章，跟着测量值剧烈跳动，说明 Q 过大，模型太随便，要调小。
# 快速验证：打印预测点与测量点的偏差，判断是滞后还是抖动 import numpy as np # 假设pred_points和meas_points是两个等长数组 pred_points = np.array(pred_points) meas_points = np.array(meas_points) diff = np.linalg.norm(pred_points - meas_points, axis=1) print("mean diff:", diff.mean()) print("p95 diff:", np.percentile(diff, 95)) print("max diff:", diff.max())三个输出值的判读逻辑如下：p95 偏差如果明显大于测量噪声的 2 倍标准差，说明滤波器跟不上测量，Q 要调大；diff 序列如果整体很小但忽大忽小，说明滤波器在抖动，R 要调大。这个脚本 10 行不到，但比肉眼看视频靠谱得多。实际调试中我会同时打开三条轨迹的叠加显示，配合这个数值脚本，通常十几分钟就能把参数收敛到一个不错的状态。
4.3 协方差 P 的初值和状态初值：被绝大多数人忽略的隐藏参数
除了 Q 和 R，还有两个参数会影响前几帧的表现：误差协方差初值 errorCovPost 和状态初值 statePost。errorCovPost 的初值代表你对初始状态的确信程度。如果第一帧的测量值来自可靠的检测器，这个值可以设小一点；如果第一帧的测量值只是猜测，就设大一点，让滤波器在前几帧快速修正。
状态初值中的速度分量 vx 和 vy 也很关键。很多 demo 直接设成 0，这在目标初始静止时没问题；但如果目标在第一帧就已经在运动，速度初值设 0 会导致前 5 到 10 帧的预测位置明显偏向初始位置。一个改进是：如果前三帧都有测量值，用 (m2 - m1) / dt 计算平均速度作为初值，能显著减少收敛时间。这个做法在目标跟踪里经常被叫作冷启动优化，逻辑简单但效果明显。
5. 避坑：官方 demo 最常见的 6 个翻车现场
5.1 翻车一：dt 固定为 1，视频帧率一变速度量纲就错
现象：demo 在自己电脑上跑得好好的，换一个高帧率视频后跟踪框剧烈晃动甚至飞出画面。
原因：很多官方 demo 为了简化代码，把 dt 写死为 1。卡尔曼滤波的速度单位是「像素每帧」，dt=1 时速度就是每帧移动的像素数。换成 120 fps 的视频，目标每帧只移动几个像素，但滤波器仍按照原帧率的行为去推算，状态里的速度分量和真实运动不匹配，修正后的位置来回震荡。
解决：把 dt 设置为实际的两帧间隔秒数，即 1 / fps。对于摄像头视频，可以用cap.get(cv2.CAP_PROP_FPS)动态获取。改完后速度单位变成「像素每秒」，量纲统一，换任何帧率都能正常工作。
5.2 翻车二：Q 和 R 的数值习惯性照抄 demo
现象：把 demo 里的 Q 和 R 原封不动搬到自己的项目，跟踪效果明显不佳，要么滞后，要么抖动。
原因：demo 的 Q 和 R 是针对演示场景调的。演示场景通常目标运动匀速、背景干净、测量噪声小，所以 R 可以设得很小。实际项目中检测框噪声往往大得多，直接沿用必然出问题。
解决：丢掉 demo 的参数，按第 4 章的方法重调。先按测量噪声的实际像素抖动粗定 R，再按运动模式调 Q。记住一个原则：参数是场景的，不是代码的。
5.3 翻车三：把滤波修正值直接当检测框画出来，然后发现和目标位置总差一截
现象：滤波输出的框和目标实际位置之间存在稳定偏移，大概几个到十几个像素，不是抖动，是整体偏移。
原因：这是低通滤波器的常见副作用。卡尔曼滤波本质上是带噪声抑制的递推估计，它对变化缓慢的系统跟踪无偏，但对持续加速或持续转向的目标，会产生一个固定的滞后偏差。滞后量的大小取决于 Q 和 R 的比值，R 越大滞后越明显。
解决：如果目标是持续匀速运动，增大 Q 能减小滞后；如果目标在做圆周运动或频繁加减速，单靠调 Q 难以根治，应该把加速度分量加入状态向量，用匀加速模型替代匀速模型。
5.4 翻车四：目标遮挡几帧后，跟踪框飞到了画面外
现象：目标被遮挡 3 到 5 帧，恢复可见时，跟踪框已经在很远的地方，甚至已经消失。
原因：遮挡期间没有测量值，滤波器只能靠运动模型外推。如果 Q 较大，协方差迅速膨胀，模型开始放飞自我，预测位置沿着最后的速度方向直线狂奔。这是卡尔曼滤波的原理性弱点，不是 bug。所有单传感器跟踪算法都会遇到，只是程度不同。
解决：两个手段。第一，检测到连续漏检时，降低 Q 的效果，让模型保持保守匀速外推；第二，给滤波器设置一个最大外推帧数，比如 10 帧，超过后标记为跟踪丢失，等待目标重新出现后重新初始化。这是工业界做跟踪的基本套路，demo 里通常不会体现，但你必须自己加上。
5.5 翻车五：把「跟踪」当成「检测」，混淆了滤波器和检测器的职责
现象：目标附近出现一个相似物体时，跟踪框跳到另一个物体上，而且再也拉不回来。
原因：卡尔曼滤波本身不做目标识别，它只负责对测量值做平滑和预测。官方 demo 里测量值来自鼠标点击或单个检测结果，不存在选择问题；但真实系统中，一帧里可能有多个检测框，你需要决定哪个框是当前目标。这个决策属于数据关联问题，不属于卡尔曼滤波范畴。如果检测器把最近的一个框直接喂给滤波器，目标一交错就会跟丢。
解决：最简单的方法是最近邻关联：计算每个检测框中心与预测位置的距离，取距离最小的框作为测量值；进阶做法是加一个马氏距离门控，超出置信椭圆范围的检测框直接丢弃。这一段逻辑通常被称为跟踪器的前端，是 demo 到工程化之间必须补齐的模块。
5.6 翻车六：状态维度和测量维度不匹配，矩阵运算直接报错
现象：改了状态向量维度，比如加了一个尺寸分量 w，但忘记改 H 矩阵的列数，程序抛出行列维度不匹配的异常。
原因：OpenCV 的 KalmanFilter 在初始化时只检查维度的合法性，不检查 F、H、Q、R 的维度一致性，所有矩阵运算发生在 predict 和 correct 调用时。如果 F 是 4x4 而状态是 5 维，运行时不报错但结果完全错误；如果 H 的列数和状态维度不一致，直接崩溃。
解决：每次改状态维度后，按以下清单逐项核验：transitionMatrix 是 n x n；measurementMatrix 是 m x n；processNoiseCov 是 n x n；measurementNoiseCov 是 m x m；statePost 是 n x 1。写一个断言函数，在初始化函数末尾统一检查，能把这类问题在运行前拦住。
6. 脱离 demo：接入检测器输出的边界框，处理遮挡与 ID 跳变
把卡尔曼滤波接到自己的检测器上，是绝大多数人拿到 demo 后的真实需求。检测器输出的是（x1, y1, x2, y2, score, class_id），你需要做的是把边界框转成状态向量，并处理多目标场景。单目标场景比较简单：直接用检测框中心点作为测量值，滤波器每帧 predict 一次，然后找最近的检测框做 correct。但多目标场景有一个核心问题——数据关联。
数据关联的含义是：当前帧有 5 个检测框，上一帧有 3 条跟踪轨迹，你要决定哪条轨迹匹配哪个检测框。最简单的做法是用匈牙利算法做 IoU 或马氏距离的二分图匹配。匹配上的轨迹用对应检测框做 correct，没有匹配上的轨迹进入外推模式，没有匹配上的检测框创建新轨迹。匹配结束后，还要维护每个轨迹的连续命中次数和连续漏检次数：连续漏检超过阈值就删除轨迹，连续命中不足阈值不输出结果。
# 数据关联的最近邻实现：给每条轨迹找最近的检测框 import numpy as np from scipy.spatial.distance import cdist def associate(track_points, detections, max_dist=50.0): """ track_points: 每条轨迹的预测位置, shape (M, 2) detections: 所有检测框中心, shape (N, 2) max_dist: 最大关联距离，超过则视为不匹配 返回: matches 列表 [(track_idx, det_idx)], unmatched_tracks, unmatched_detections """ dist_matrix = cdist(track_points, detections) matches = [] used_tracks, used_dets = [], [] for _ in range(min(len(track_points), len(detections))): # 找到全局最小距离的一对 idx = np.unravel_index(np.argmin(dist_matrix), dist_matrix.shape) t_idx, d_idx = idx if dist_matrix[t_idx, d_idx] > max_dist: break matches.append((t_idx, d_idx)) used_tracks.append(t_idx) used_dets.append(d_idx) # 将已匹配的行列设为无穷大 dist_matrix[t_idx, :] = np.inf dist_matrix[:, d_idx] = np.inf unmatched_tracks = [i for i in range(len(track_points)) if i not in used_tracks] unmatched_detections = [i for i in range(len(detections)) if i not in used_dets] return matches, unmatched_tracks, unmatched_detections这里的关键参数是 max_dist。它的大小决定了关联的鲁棒性：太小会频繁丢匹配，轨迹容易断裂；太大会把不相关的目标关联到一起，导致 ID 跳变。一个实用的初始值是目标尺寸的 0.5 倍，也就是说检测框移动不超过自身宽度的一半时允许关联。这个值比任何固定像素值都更适应不同分辨率的视频。
处理遮挡时，我的习惯做法是：轨迹进入外推模式后，继续调用 predict 但不调用 correct。预测点的协方差会逐帧膨胀，画框时不直接画预测框，而是画一个半透明度的框表示不确定性增加。当目标重新被检测到并完成关联后，协方差会迅速被 correct 收缩，跟踪框恢复正常。这套逻辑下来，ID 跳变问题会明显减少，但不会完全消失——目标长时间遮挡后重新出现，旧轨迹可能已经过期，新轨迹会分配新 ID，这是多目标跟踪的固有限制。如果你需要跨长时间遮挡保持 ID，就要引入外观特征匹配，那已经超出了卡尔曼滤波的范畴，属于深度关联跟踪的领域。
最后说一个我踩过的真实教训：第一次把卡尔曼滤波接入检测器时，我以为调好 Q 和 R 就万事大吉，结果目标一交错就 ID 互换。后来发现问题是数据关联时用了贪心的最近邻，没有加遮挡期间的轨迹优先级，导致两条轨迹在交错瞬间选择了错误的目标。之后改成马氏距离门控加轨迹年龄加权，效果才稳定下来。数据关联比滤波本身更容易成为整个系统的瓶颈，花时间调试它是值得的。希望这篇文章能帮你少走这些弯路。
本文还有配套的精品资源，点击获取
