MétaCan
Menu
Retour à la cohorte
Enregistrement W2136740852 · doi:10.1109/isda.2009.12

Intelligent Cooperative Tracking in Multi-camera Systems

2009· article· en· W2136740852 sur OpenAlexaff
Yan Lu, Shahram Payandeh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Surveillance and Tracking Methods
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésComputer visionArtificial intelligenceComputer scienceTracking (education)ZoomCamera auto-calibrationTracking systemEvent (particle physics)Camera resectioningSmart cameraParticle filterVideo trackingKalman filterVideo processingEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, an approach for intelligent integration of indoor visual tracking system for event detection and movement is proposed. This surveillance system is composed of a stationary camera and a pan tilt zoom (PTZ) camera, where the two cameras have been intrinsically and extrinsically calibrated. The stationary camera detects events such as fall and wandering using motion-based visual tracking. In this initial study, the PTZ camera tracks and follows the person who triggered the event using intelligent color-based particle filtering which is defined based on the expected dynamics of the scene. The purpose of tracking in view of the PTZ camera is to continuously keep the person in the full view of the camera which can further be processed for identifying details of the person. Preliminary experimental results for camera calibration, event detection, and human tracking are presented to demonstrate the performance of the proposed cooperative hybrid visual tracking system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,081
Tête enseignante GPT0,357
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVideo Surveillance and Tracking MethodsTravaux en français237 207