抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,RGB-D画像における単一ターゲットトラッキングのための新しいロバストな方法を提案し,また,RGB-Dトラッカーを評価するための実質的な新しいベンチマークデータセットにも寄与した。ターゲット物体の色分布は合理的に運動不変であるが,ターゲットの深さ分布に対しては真ではなく,これはカメラに対してターゲットが移動するにつれて連続的に変化する。したがって,目標追跡のための(潜在的に非常に豊富な)深さ情報を完全に利用できる目標モデルを設計することは重要ではない。この理由のために,以前のRGB-D文献の多くは,追跡のための色情報に依存しているが,オクルージョン推論のためにのみ深さ情報を利用している。対照的に,適応範囲不変ターゲット深さモデルを提案し,各新しいRGB-D画像におけるターゲットの探索の間に,深さと色情報の両方を完全に適応的に融合できることを示した。著者らは,安定でロバストなオンザフライ目標放出を達成するために,時空一貫性制約を使用する新しい,階層的,2層ターゲットモデル(局所的およびグローバルモデルから成る)を紹介した。グローバル層において,色と深さデータの両方から導出された複数の特徴を適応的に融合し,候補ターゲット領域を見出した。あいまいなフレームにおいて,1つまたはそれ以上の特徴が一致しないところで,この大域的候補領域は,さらに小さなターゲット部分の局所層モデルに適合するために,より小さな局所的候補領域に分解される。また,オクルージョン推論のための深さデータの従来の使用は,ターゲットがカメラに向かって急速に移動するとき,誤ったオクルージョン検出を容易に引き起こすことができることに注目した。この問題を克服するために,目標情報を文脈情報と組み合わせることにより,目標の深さ制約を緩和することができることを示した。著者らの適応的に緩和された深さ制約は,深さ方向における大規模で迅速な目標運動をロバストに適応させることができ,一方,オクルージョンについての高度に正確な推論のための深さデータの利用を可能にする。評価のために,フレーム毎の注釈付き属性と広範なバイアス解析による新しいRGB-Dベンチマークデータセットを導入した。著者らの追跡装置は,2つの異なる最先端の方法論,VOTとオブジェクト追跡ベンチマークを用いて評価され,両方の場合において,それは文献からの4つの他の最先端のRGB-Dトラッカーよりも著しく優れている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】