A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Multiple Human Tracking Using an Omnidirectional Camera with Local Rectification and World Coordinates Representation Rastreamento humano múltiplo usando uma câmera omnidirecional com retificação local e representação de coordenadas mundiais

Hitoshi NISHIMURA, Naoya MAKIBUCHI, Kazuyuki TASAKA, Yasutomo KAWANISHI, Hiroshi MURASE

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

O rastreamento humano múltiplo é amplamente utilizado em vários campos, como marketing e vigilância. A abordagem típica associa resultados de detecção humana entre quadros consecutivos usando os recursos e caixas delimitadoras (posição+tamanho) dos humanos detectados. Alguns métodos usam uma câmera omnidirecional para cobrir uma área mais ampla, mas a troca de ID geralmente ocorre em associação com detecções devido aos seguintes dois fatores: i) O recurso é afetado negativamente porque a caixa delimitadora inclui muitas regiões de fundo quando um ser humano é capturado de uma posição oblíqua. ângulo. ii) A posição e o tamanho mudam drasticamente entre quadros consecutivos porque a métrica de distância não é uniforme em uma imagem omnidirecional. Neste artigo, propomos um novo método que rastreia humanos com precisão com uma métrica de associação para imagens omnidirecionais. O método proposto possui dois pontos principais: i) Para extração de características, introduzimos a retificação local, o que reduz o efeito das regiões de fundo na caixa delimitadora. ii) Para cálculo de distância, descrevemos as posições em um sistema de coordenadas mundial onde a métrica de distância é uniforme. Nos experimentos, confirmamos que a precisão de rastreamento de múltiplos objetos (MOTA) melhorou 3.3 no conjunto de dados LargeRoom e melhorou 2.3 ​​no conjunto de dados SmallRoom.

Publicação
IEICE TRANSACTIONS on Information Vol.E103-D No.6 pp.1265-1275
Data de publicação
2020/06/01
Publicitada
2020/04/10
ISSN online
1745-1361
DOI
10.1587/transinf.2019MVP0009
Tipo de Manuscrito
Special Section PAPER (Special Section on Machine Vision and its Applications)
Categoria

autores

Hitoshi NISHIMURA
  KDDI Research, Inc.,Nagoya University
Naoya MAKIBUCHI
  KDDI Research, Inc.
Kazuyuki TASAKA
  KDDI Research, Inc.
Yasutomo KAWANISHI
  KDDI Research, Inc.,Nagoya University
Hiroshi MURASE
  KDDI Research, Inc.,Nagoya University

Palavra-chave