matlab 实现对视频中车辆的跟踪，首先使用帧差法获得目标中心位置，然后使用卡尔曼滤波算法对其跟踪，但不使用工具箱函数，跟踪到的车辆使用红色方框框柱

以下是一个基于帧差法和卡尔曼滤波算法的 Matlab 代码示例，用于跟踪视频中的车辆并在其周围绘制红色方框：

% 读入视频文件
video = VideoReader('car_video.mp4');

% 获取第一帧图像并调整大小
frame = readFrame(video);
frame = imresize(frame, 0.5);

% 初始化帧差法参数
threshold = 15;
window_size = 5;

% 初始化卡尔曼滤波器
dt = 1;
A = [1 0 dt 0; 0 1 0 dt; 0 0 1 0; 0 0 0 1];
B = zeros(4,1);
C = [1 0 0 0; 0 1 0 0];
Q = eye(4);
R = eye(2);
P = eye(4);
x = [0; 0; 0; 0];

% 持续处理视频帧
while hasFrame(video)
    % 读入下一帧图像并调整大小
    next_frame = readFrame(video);
    next_frame = imresize(next_frame, 0.5);
    
    % 计算当前帧和上一帧的差异
    diff = abs(rgb2gray(frame) - rgb2gray(next_frame));
    diff(diff < threshold) = 0;
    
    % 对差异图像进行膨胀操作，以填充空洞和连接碎片
    diff = imdilate(diff, strel('square', window_size));
    
    % 寻找连通区域并筛选出最大的区域作为目标
    cc = bwconncomp(diff);
    numPixels = cellfun(@numel,cc.PixelIdxList);
    [~,max_idx] = max(numPixels);
    target = cc.PixelIdxList{max_idx};
    [r,c] = ind2sub(size(diff), target);
    center = [mean(c), mean(r)];
    
    % 使用卡尔曼滤波器对目标位置进行跟踪
    u = 0;
    z = center';
    x = A*x + B*u;
    P = A*P*A' + Q;
    K = P*C'/(C*P*C' + R);
    x = x + K*(z - C*x);
    P = (eye(4) - K*C)*P;
    predicted_center = [x(1), x(2)];
    
    % 在图像中绘制目标位置和方框
    next_frame = insertShape(next_frame, 'Rectangle', [predicted_center(1)-50, predicted_center(2)-25, 100, 50], 'LineWidth', 3, 'Color', 'red');
    next_frame = insertShape(next_frame, 'FilledCircle', [predicted_center(1), predicted_center(2), 5], 'Color', 'red');
    imshow(next_frame);
    
    % 将当前帧设置为上一帧，以便进行下一轮处理
    frame = next_frame;
end

在上述代码中，我们首先读入视频文件并获取第一帧图像，然后初始化帧差法参数和卡尔曼滤波器参数。在每一轮循环中，我们读入下一帧图像并计算当前帧和上一帧的差异，然后对差异图像进行膨胀操作并寻找连通区域，筛选出最大的区域作为目标的中心位置。接下来，我们使用卡尔曼滤波器对目标位置进行跟踪，并在图像中绘制目标位置和红色方框。最后，我们将当前帧设置为上一帧，以便进行下一轮处理。