Centre de documentation
scientifique

Probabilistic multi-person localisation and tracking / Tobias Klinger (2016) 

Public Titre : Probabilistic multi-person localisation and tracking Type de document : Thèse/HDR Auteurs : Tobias Klinger, Auteur ; Ingo Neumann, Directeur de thèse Editeur : Munich : Bayerische Akademie der Wissenschaften Année de publication : 2016 Collection : DGK - C, ISSN 0065-5325 num. 787 Importance : 125 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-3-7696-5199-7 Note générale : bibliographie PhD Dissertation Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse de sensibilité [Termes IGN] analyse multicritère [Termes IGN] classification [Termes IGN] détection de piéton [Termes IGN] géolocalisation [Termes IGN] image isolée [Termes IGN] modèle stochastique [Termes IGN] objet mobile [Termes IGN] piéton [Termes IGN] poursuite de cible [Termes IGN] programmation linéaire [Termes IGN] séquence d'images [Termes IGN] similitude [Termes IGN] surveillance Résumé : (auteur) This dissertation investigates the problem of localising multiple persons in image sequences, while, at the same time, establishing temporal correspondences between single-frame locations. The aim of this work is the improvement of the reliability and precision of the generated trajectories, which is addressed by the formulation and investigation of a joint probabilistic model for the recursive filtering of the estimated positions. The trajectories are estimated in a common 3D object coordinate system, which was previously almost exclusively done in 2D. Note de contenu : 1. Introduction 1.1. Motivation 1.2. Research objectives and contributions 1.3. Outline of the dissertation 2. Basics 2.1. Probabilistic modelling 2.2. Recursive Bayesian estimation 2.3. Gaussian Process Regression 3. Related work 3.1. Tracking approaches 3.2. Observations 3.3. Temporal modelling 3.4. Data association 3.5. Discussion 4. A new probabilistic approach for multi-person localisation and tracking 4.1. Problem statement via Dynamic Bayesian Network 4.2. Observations 4.3. Temporal model 4.4. data association 4.5. Recursive estimation 4.6. Discussion 5. Experiments 5.1. Datasets and evaluation criteria 5.2. Sensitivity study and training 5.3. Model validation by ablation of its components 5.4. Multi-person localisation and tracking evaluation 6. Discussion of the results 6.1. Method evaluation 6.2. Evaluation of the trajectories 7. Conclusions and future work Numéro de notice : 19793 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse étrangère Note de thèse : PhD Dissertation : : Stuttgart : 2016 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85037

Documents numériques

peut être téléchargé Probabilistic multi-person localisation and tracking Adobe Acrobat PDF