Bounding Box Detection in Visual Tracking: Measurement Model Parameter Estimation

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F23%3A43969676" target="_blank" >RIV/49777513:23520/23:43969676 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.23919/FUSION52260.2023.10224194" target="_blank" >https://doi.org/10.23919/FUSION52260.2023.10224194</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.23919/FUSION52260.2023.10224194" target="_blank" >10.23919/FUSION52260.2023.10224194</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Bounding Box Detection in Visual Tracking: Measurement Model Parameter Estimation
Popis výsledku v původním jazyce
Common visual tracking algorithms make use of measurement models whose parameters need to be specified. These are, namely, measurement noise covariance related to spatial error of detections provided by a visual detection algorithm, probability of detection, and expected number of clutter detections. The measurement model parameters are often hand selected, using no data-based knowledge. This paper proposes a technique to estimate the parameters by reliably associating detections to annotations in each video frame. The technique is verified on the publicly available MOT-17 dataset.
Název v anglickém jazyce
Bounding Box Detection in Visual Tracking: Measurement Model Parameter Estimation
Popis výsledku anglicky
Common visual tracking algorithms make use of measurement models whose parameters need to be specified. These are, namely, measurement noise covariance related to spatial error of detections provided by a visual detection algorithm, probability of detection, and expected number of clutter detections. The measurement model parameters are often hand selected, using no data-based knowledge. This paper proposes a technique to estimate the parameters by reliably associating detections to annotations in each video frame. The technique is verified on the publicly available MOT-17 dataset.

Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of the 2023 26th International Conference on Information Fusion, FUSION 2023
ISBN
979-8-89034-485-4
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
1-8
Název nakladatele
IEEE
Místo vydání
Charleston, Jižní Karolína, USA
Místo konání akce
Charleston, Jižní Karolína, USA
Datum konání akce
27. 6. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)