Multiview 3D Tracking with an Incrementally Constructed 3D Model

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F06%3A00124929" target="_blank" >RIV/68407700:21230/06:00124929 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/3DPVT.2006.101" target="_blank" >http://dx.doi.org/10.1109/3DPVT.2006.101</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/3DPVT.2006.101" target="_blank" >10.1109/3DPVT.2006.101</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Multiview 3D Tracking with an Incrementally Constructed 3D Model

Popis výsledku v původním jazyce

A novel object representation for tracking is proposed. The tracked object is represented as a constellation of spatially localised linear predictors which are learned on a single training image. In the learning stage, sets of pixels whose intensities allow for optimal least square predictions of the transformations are selected as a support of the linear predictor. The approach comprises three contributions: learning object specific linear predictors, explicitly dealing with the predictor precision - computational complexity trade-off and selecting a view-specific set of predictors suitable for global object motion estimate. Robustness to occlusion is achieved by RANSAC procedure. The learned tracker is very efficient, achieving frame rate generally higher than 30 frames per second despite the Matlab implementation.

Název v anglickém jazyce

Multiview 3D Tracking with an Incrementally Constructed 3D Model

Popis výsledku anglicky

A novel object representation for tracking is proposed. The tracked object is represented as a constellation of spatially localised linear predictors which are learned on a single training image. In the learning stage, sets of pixels whose intensities allow for optimal least square predictions of the transformations are selected as a support of the linear predictor. The approach comprises three contributions: learning object specific linear predictors, explicitly dealing with the predictor precision - computational complexity trade-off and selecting a view-specific set of predictors suitable for global object motion estimate. Robustness to occlusion is achieved by RANSAC procedure. The learned tracker is very efficient, achieving frame rate generally higher than 30 frames per second despite the Matlab implementation.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2006

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Third International Symposium on 3D Data Processing, Visualization and Transmission (3DPVT)

ISBN

978-0-7695-2825-0

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

488-495

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Chapel Hill, NC

Datum konání akce

14. 6. 2006

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—