卡尔曼滤波算法(含详细推导)

针对水质污染的环境综合监测问题，提出了一种基于卡尔曼滤波和卷积神经网络的水质异常监测方法。 该方法采用Mask R-CNN图像分割方法对鱼进行分割，制作出鱼骨干和背景图像的正样本数据集和负样本数据集，并利用卷积神经网络训练数据集获得模型。 在跟踪过程中，使用RANSAC算法筛选SIFT特征，使用匹配和卡尔曼滤波器跟踪鱼并实时绘制运动轨迹。 每3秒保存一次运动轨迹，总共获得150000个正常和异常水质样本。 实验结果表明，基于卡尔曼滤波和卷积神经网络的水质异常识别率为98.5％，优于传统的水质识别方法。

人脸检测与追踪 使用CamShift，卡尔曼滤波器，光流的人脸检测和跟踪 客观的 ： 在电影的第一帧中检测面部 使用预训练的Viola-Jones检测器 使用以下方法跟踪电影中的脸部： CAMShift 粒子过滤器 人脸检测器+卡尔曼滤波器（总是运行kf.predict（），并在获得新的人脸检测时运行kf.correct（）） 人脸检测器+光流跟踪器（人脸检测器发生故障时，请使用OF跟踪器）。

卡尔曼滤波在雷达目标跟踪中的应用 matlab程序

卡拉曼滤波器java实现，集成了jar包，Jkalman，源自Petr Chmelar FIT, Brno Univesity of Technology

基于FPGA的卡尔曼滤波器

源码参考，欢迎下载

联合状态估计器 卡尔曼滤波器，用于根据关节位置测量值估计关节速度和加速度。

卡尔曼滤波： 利用状态方程和递推方法寻找最小均方误差下状态变量 的估计值 ，即

卡尔曼滤波，1960.Kalman filter, 第一篇文章 卡尔曼在1960年发表的，论文，引出卡尔曼滤波器