YOLO学习笔记 ｜ YOLOv8与卡尔曼滤波实现目标跟踪与预测（附代码）

一、原理与公式

1. 目标检测（YOLOv8）
   YOLOv8采用改进的CSPDarknet骨干网络和动态标签分配策略，提供高精度、实时的目标检测能力。检测结果为边界框（[x1, y1, x2, y2, score, class]），作为跟踪的输入观测值。

2. 卡尔曼滤波预测与更新
   卡尔曼滤波通过状态方程和观测方程对目标运动建模，结合预测与观测数据优化状态估计。

   • 状态量：通常为[x, y, a, h, dx, dy, da, dh]，即中心点坐标、宽高比、高度及其速度分量。
   • 状态转移矩阵：假设匀速运动，状态转移矩阵F为：

     F =