RGB-D 相机网络中基于检测的人体运动实时跟踪
计算机视觉与模式识别
2019-07-30 v1
摘要
本文提出一种新颖的实时跟踪系统，能够改进分布式相机网络中的身体姿态估计算法。我们方法的第一阶段引入了一个在身体关节层级运作的线性卡尔曼滤波器，用于融合来自网络不同检测节点的单视角身体姿态，并确保它们之间的时间一致性。第二阶段则通过拟合具有受限连杆尺寸的人体层级模型来细化卡尔曼滤波器估计，以保证跟踪的物理一致性。所提方法的有效性通过广泛的实验验证得以证明，实验在一组序列上进行，其真实参考由基于标记的商业动作捕捉系统生成。所得结果显示所提系统优于所考虑的最先进方法，提供了准确且可靠的估计。此外，所开发的方法既不限制待跟踪人数，也不限制所用 RGB-D 相机的数量、位置、同步、帧率及制造商。最后，该系统的实时性能对大量现实应用至关重要。
引用
@article{arxiv.1907.12112,
title = {Real-time Tracking-by-Detection of Human Motion in RGB-D Camera Networks},
author = {Alessandro Malaguti and Marco Carraro and Mattia Guidolin and Luca Tagliapietra and Emanuele Menegatti and Stefano Ghidoni},
journal= {arXiv preprint arXiv:1907.12112},
year = {2019}
}
备注
Accepted to IEEE SMC 2019