Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Utilizing TPM Functionalities on Remote Server Kapitel lesen Erstes Kapitel lesen

2012 | OriginalPaper | Buchkapitel

Simulation Videos for Understanding Occlusion Effects on Kernel Based Object Tracking

verfasst von : Beng Yong Lee, Lee Hung Liew, Wai Shiang Cheah, Yin Chai Wang

Erschienen in: Computer Science and its Applications

Verlag: Springer Netherlands

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Occlusion handling is one of the most studied problems for object tracking in computer vision. Many previous works claimed that occlusion can be handled effectively using Kalman filter, Particle filter and Mean Shift tracking methods. However, these methods were only tested on specific task videos. In order to explore the actual potential of these methods, this paper introduced 64 simulation video sequences to experiment the effectiveness of each tracking methods on various occlusion scenarios. Tracking performances are evaluated based on Sequence Frame Detection Accuracy (SFDA). The results showed that Mean shift tracker would fail completely when full occlusion occurred. Kalman filter tracker achieved highest SFDA score of 0.85 when tracking object with uniform trajectory and no occlusion. Results also demonstrated that Particle filter tracker fails to detect object with non-uniform trajectory. The effect of occlusion on each tracker is analyzed with Frame Detection Accuracy (FDA) graph.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A New Cloaking Method Based on Weighted Adjacency Graph for Preserving User Location Privacy in LBS
Nächstes Kapitel Originator Recognition (or) Path Recovery Mechanism for Load-Based Routing Protocol
Literatur
1.
Kasturi, R., Goldgof, D., Soundararajan, P., Manohar, V., Garofolo, J., Bowers, R., Boonstra, M., Korzhova, V., Zhang, J.: Framework for performance evaluation of face, text, and vehicle detection and tracking in video: data, metrics, and protocol. IEEE Trans. Pattern Anal. Mach. Intell. 31(2), 319–336 (2009)CrossRef
2.
Di Caterina, G., Soraghan, J. J.: An improved mean shift tracker with fast failure recovery strategy after complete occlusion. In: IEEE International Conference on Advanced Video and Signal-Based Surveillance, pp. 130–135 (2011)
3.
Gao, J.: Self-occlusion immune video tracking of objects in cluttered environment. In: IEEE International Conference on Advanced Video and Signal-Based Surveillance, pp. 79–84 (2003)
4.
5.
6.
Taylor, G.R., Chosak, A.J., Brewe, P.C.: OVVV: using virtual worlds to design and evaluate surveillance systems. In: Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 1–8 (2007)
7.
Yilmaz, A., Javed, O., Shah, M.: Object tracking: a survey. In: ACM Computing Surveys, vol. 38, no. 4 (2006)
8.
Comaniciu, D., Ramesh, V.: Kernel-based object tracking. IEEE Trans. Pattern Anal. Mach. Intell. 25(5), 564–577 (2003)CrossRef
9.
Comaniciu, D., Ramesh, V., Meer P.: Real-time tracking of non-rigid objects using mean shift. In: Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, pp. 142–149 (2000)
10.
Yilmaz, A.: Object tracking by asymmetric Kernel mean shift with automatic scale and orientation selection. In: Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, CVPR ‘07, pp. 1–6 (2007)
11.
Mirabi, M., Javadi, S.: People tracking in outdoor environment using Kalman filter. In: Proceedings of Third International Conference on Intelligent Systems, Modelling and Simulation (ISMS), pp. 303–307 (2012)
12.
Wang, H., Huo, L., Zhang, J.: Target tracking algorithm based on dynamic template and Kalman filter. In: Communication Software and Networks (ICCSN), 2011 IEEE 3rd, pp. 330–333 (2011)
13.
Cho, J.U., Jin, S.H., Pham, X.D., Jeon, J.W.: Object tracking circuit using particle filter with multiple features. In: SICE-ICASE, 2006. International Joint Conference, pp. 1431–1436 (2006)
14.
Liang, N., Guo, L., Wang Y.: An improved object tracking method based on particle filter. In: Consumer Electronics, Communications and Networks (CECNet), 2012 2nd International Conference on, pp. 3107–3110 (2012)
15.
Li, Y., Huang, C., Nevatia, R.: Learning to associate: hybrid boosted multi-target tracker for crowded scene. In: IEEE Conference on Computer Vision and Pattern Recognition, pp. 2953–2960 (2009)
16.
Manohar, V., Soundararajan, P., Dmitry Goldgof, H.R., Kasturi, R., Garofolo, J.: Performance evaluation of object detection and tracking in video. In: Narayanan P.J. et al. (eds.) ACCV 2006. LNCS, vol. 3852, pp. 151–161. Springer, Heidelberg (2006)
17.
18.
19.
Metadaten
Titel
Simulation Videos for Understanding Occlusion Effects on Kernel Based Object Tracking
verfasst von
Beng Yong Lee
Lee Hung Liew
Wai Shiang Cheah
Yin Chai Wang
Copyright-Jahr
2012
Verlag
Springer Netherlands
Buch
Computer Science and its Applications

Print ISBN: 978-94-007-5698-4

Electronic ISBN: 978-94-007-5699-1

Copyright-Jahr: 2012

DOI
https://doi.org/10.1007/978-94-007-5699-1_15

Premium Partner

    Bildnachweise