पहले आपको एक मोशन मॉडल मान लेना होगा। मान लीजिए कि आप हवा से उड़ने वाली एक गेंद को ट्रैक करना चाहते हैं। 9.8m / s ^ 2 के गुरुत्वाकर्षण के कारण गेंद में नीचे की ओर त्वरण होता है। तो इस मामले में निरंतर त्वरण गति मॉडल उपयुक्त है।
इस मॉडल के तहत, आपकी स्थिति स्थिति, वेग और त्वरण है। पिछली अवस्था को देखते हुए आप आसानी से अगले राज्य की भविष्यवाणी कर सकते हैं।
आपको पता लगाने की भी धारणा है। आपके पास गेंद को हिलाने का एक वीडियो है, और आपको किसी भी तरह प्रत्येक वीडियो फ्रेम में गेंद का पता लगाना है (जैसे पृष्ठभूमि घटाव का उपयोग करके)।
आपका पता शोर कर रहे हैं। इसके अलावा, गेंद की गति हवा के प्रतिरोध, हवा, ब्रह्मांडीय किरणों आदि की वजह से निरंतर त्वरण मॉडल में बिल्कुल फिट नहीं होती है। कलमन फ़िल्टर को यह वर्णन करते हुए दो मेट्रिसेस की आवश्यकता होती है: एक माप शोर (आपकी पहचान की अशुद्धि) का सहसंयोजक है, और प्रक्रिया के शोर के कोवेरीयन के लिए एक (आपके द्वारा निर्दिष्ट मॉडल से गेंद की गति कैसे विचलित हो जाती है)।
यदि आप किसी एकल ऑब्जेक्ट को ट्रैक कर रहे हैं, तो कलमन फ़िल्टर आपको कुछ शोर को सुचारू करने देता है, और यह भी भविष्यवाणी करता है कि ऑब्जेक्ट कहाँ है जब एक पता लापता है (जैसे कि ऑब्जेक्ट को रोक दिया गया है)। यहां MATLAB के लिए कंप्यूटर विज़न सिस्टम टूलबॉक्स का उपयोग करते हुए एक कलमन फ़िल्टर के साथ एकल ऑब्जेक्ट को ट्रैक करने का एक उदाहरण है ।
यदि आप कई वस्तुओं को ट्रैक कर रहे हैं, तो कलमन फ़िल्टर भविष्यवाणियां आपको यह तय करने देती हैं कि कौन सी वस्तु किस वस्तु के साथ जाती है। ऐसा करने का एक अच्छा तरीका यह है कि भविष्यवाणी की त्रुटि कोविरेंस को पहचानने की लॉग संभावना का उपयोग करें। यहां कलमन फ़िल्टर के साथ कई ऑब्जेक्ट्स को ट्रैक करने का एक उदाहरण है ।