Detail publikace
Depth-Based Filtration for Tracking Boost
Beran Vítězslav, doc. Ing., Ph.D. (UPGM)
Zemčík Pavel, prof. Dr. Ing., dr. h. c. (UPGM)
V reálném čase, RGBD, Segmentace, Sledování
Tento článek představuje novou metodu pro vylepšení klasických RGB sledovacích algoritmů libovolných objektů (objekt není znám dopředu) pomocí segmentace/filtrace využívající houbkových dat. Je kladen důraz na aplikace v reálném čase jako jsou aplikace v robotice či dohledových systémech, kde využití hloubkových senzorů, dnes již cenově dostupných, se přímo nabízí. Cílem je ukázat, že informace o hloubce využité pro segmentaci sledovaného objektu významně pomáhají ke snižování nesprávných aktualizací modelu sledovaného objektu způsobených okluzemi či postupným sklouzávání ze sledovaného objektu. A proto využití hloubkových informací zlepšuje úspěšnost a přesnost klasických RGB sledovačů při zachování srovnatelných výpočetních nároků a tudíž je výsledný systém potenciálně stále využitelný v reálném čase. Článek také prezentuje a vyhodnocuje dosažené výsledky.
@inproceedings{BUT119922,
author="David {Chrápek} and Vítězslav {Beran} and Pavel {Zemčík}",
title="Depth-Based Filtration for Tracking Boost",
booktitle="Springer International Publishing",
year="2015",
series="Lecture Notes in Computer Science",
journal="Lecture Notes in Computer Science",
volume="9386",
number="9386",
pages="217--228",
publisher="Springer International Publishing",
address="Catania",
doi="10.1007/978-3-319-25903-1\{_}19",
isbn="978-3-319-25903-1",
issn="0302-9743",
url="http://link.springer.com/chapter/10.1007%2F978-3-319-25903-1_19"
}