基于超像素分割的3D标志物追踪器用于神经科学与生物力学研究
计算机视觉与模式识别
2017-11-27 v1
摘要
对运动的研究增进了我们对运动控制的基本理解，并有助于运动障碍的治疗。小鼠和大鼠是人类疾病的首要模型，且日益成为基础神经科学的模型系统首选。需要高帧率（250 Hz）来量化这些奔跑啮齿动物的运动学。手动追踪，尤其对多个标记点，变得耗时且在大数据样本量下不可行。因此，近年来对这些标记点自动分割的需求不断增长。在此，我们通过提出一种利用SLIC超像素方法分割标记点的方法以满足该需求。图像平面上的2D坐标通过直接线性变换（DLT）投影到3D域，并使用3D卡尔曼滤波器基于前几帧中标记点的速度与位置预测其位置。最后，使用概率函数于超像素中寻找最佳匹配。该方法针对不同的标记点追踪难度进行了评估，实现了95%的标记点正确标注率。
引用
@article{arxiv.1711.08785,
title = {3D Based Landmark Tracker Using Superpixels Based Segmentation for Neuroscience and Biomechanics Studies},
author = {Omid Haji Maghsoudi and Andrew Spence},
journal= {arXiv preprint arXiv:1711.08785},
year = {2017}
}
备注
Submitted to CVPR 2018