在信號的產生、傳輸、接收過程當中，必定會遭受外部環境擾動和內部設備噪聲的影響，為獲得需求信號或狀態的最有效估計，要排除無用干擾，這就叫做濾波。“濾波”的術語在無線電領域首先出現。由于隨機信號功率譜的確定性，有用信號和無用信號必定不同，從而可以根據其差異來設計濾波器。1960年，卡爾曼發表了用遞歸方法解決離散數據線性濾波問題的論文（A New Approach to Linear Filtering and Prediction Problems）。在這篇文章里，一種克服了維納濾波缺點的新方法被提出來，這就是我們今天稱之為卡爾曼濾波的方法。卡爾曼濾波應用廣泛且功能強大，它可以估計信號的過去和當前狀態，甚至能估計將來的狀態，即使并不知道模型的確切性質。其基本思想是：以最小均方誤差為最佳估計準則，采用信號與噪聲的狀態空間模型，利用前一時刻的估計值和當前時刻的觀測值來更新對狀態變量的估計，求出當前時刻的估計值，算法根據建立的系統方程和觀測方程對需要處理的信號做出滿足最小均方誤差的估計。
針對Mean Shift算法不能跟蹤快速目標、跟蹤過程中窗寬的大小保持不變的特點。首先，卡爾曼濾波器初步預測目標在本幀的可能位置；其次， Mean Shift算法在這點的鄰域內尋找目標真實的位置；最后，在目標出現大比例遮擋情況時，利用卡爾曼殘差來關閉和打開卡爾曼濾波器。實驗表明該算法在目標尺度變化、遮擋等情況下對快速運動的目標能夠取得較好的跟蹤效果。
近來發現有些問題很多人都很感興趣。所以在這里希望能盡自己能力跟大家討論一些力所能及的算法。現在先討論一下卡爾曼濾波器，如果時間和能力允許，我還希望能夠寫寫其他的算法，例如遺傳算法，傅立葉變換，數字濾波，神經網絡，圖像處理等等。因為這里不能寫復雜的數學公式，所以也只能形象的描述。希望如果哪位是這方面的專家，歡迎討論更正。卡爾曼濾波器-Kalman Filter什么是卡爾曼濾波器（What is the Kalman Filter？）在學習卡爾曼濾波器之前，首先看看為什么叫“卡爾曼”。跟其他著名的理論（例如傅立葉變換，泰勒級數等等）一樣，卡爾曼也是一個人的名字，而跟他們不同的是，他是個現代人！
