利用 RGBD 相机重访目标跟踪：基线与基准
计算机视觉与模式识别
2012-12-13 v1
摘要
尽管过去十年取得了显著进展，但由于遮挡和模型漂移等问题，目标跟踪仍然是一项极具挑战性的计算机视觉任务。近年来，深度传感器（如 Microsoft Kinect）的日益普及使得低成本获取深度数据成为可能。这可能成为跟踪领域的游戏规则改变者，因为深度信息可用于防止模型漂移并处理遮挡。在本文中，我们构建了一个包含 100 个具有高度多样性的 RGBD 视频的基准数据集，其中包括可变形物体、各种遮挡条件和移动相机。我们提出了一种非常简单但强大的 RGBD 跟踪基线模型，并对几种最先进的跟踪算法进行了定量比较。实验结果表明，包含深度信息并对遮挡进行推理可显著提高跟踪性能。数据集、评估细节、基线算法的源代码以及提交新模型的说明将在论文被录用后在线提供。
引用
@article{arxiv.1212.2823,
title = {Tracking Revisited using RGBD Camera: Baseline and Benchmark},
author = {Shuran Song and Jianxiong Xiao},
journal= {arXiv preprint arXiv:1212.2823},
year = {2012}
}