• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Image and Vision Computing >Robust tracking of persons in real-world scenarios using a statistical computer vision approach
【24h】

Robust tracking of persons in real-world scenarios using a statistical computer vision approach

机译：使用统计计算机视觉方法对现实世界中的人进行稳健跟踪

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the following work we present a novel approach to robust and flexible person tracking using an algorithm that combines two powerful stochastic modeling techniques: the first one is the technique of so-called Pseudo-2D Hidden Markov Models (P2DHMMs) used for capturing the shape of a person within an image frame, and the second technique is the well-known Kalman-filtering algorithm, that uses the output of the P2DHMM for tracking the person by estimation of a bounding box trajectory indicating the location of the person within the entire video sequence. Both algorithms are cooperating together in an optimal way, and with this cooperative feedback, the proposed approach even makes the tracking of persons possible in the presence of background motions, for instance caused by moving objects such as cars, or by camera operations as e.g. panning or zooming. We consider this as a major advantage compared to most other tracking algorithms that are mostly not capable of dealing with background motion. Furthermore, the person to be tracked is not required to wear special equipment (e.g. sensors) or special clothing. Additionally, we show how our approach can be effectively extended in order to include on-line background adaptation. Our results are confirmed by several tracking examples in real scenarios, shown at the end of the article and provided on the web server of our institute.
机译：在接下来的工作中，我们提出了一种使用结合了两种强大的随机建模技术的算法进行鲁棒和灵活的人员跟踪的新颖方法：第一种是用于捕获形状的所谓的伪2D隐藏马尔可夫模型（P2DHMM）技术图像帧中某人的图像，第二种技术是众所周知的卡尔曼滤波算法，该算法使用P2DHMM的输出通过估计表示该人在整个视频中的位置的包围盒轨迹来跟踪该人序列。两种算法都以最佳方式一起协作，并且利用这种协作反馈，所提出的方法甚至使得在存在背景运动的情况下对人进行跟踪成为可能，该背景运动例如是由诸如汽车之类的移动物体引起的，或者例如由诸如照相机之类的照相机操作引起的。平移或缩放。与大多数其他无法处理背景运动的跟踪算法相比，我们认为这是一个主要优势。此外，被跟踪者不需要穿着特殊设备（例如传感器）或特殊服装。此外，我们展示了如何有效扩展我们的方法以包括在线背景适应。本文末尾显示并在研究所的Web服务器上提供了一些实际场景中的跟踪示例，这些结果证实了我们的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号