Due to copyright restrictions, the access to the full text of this article is only available via subscription.An occlusion-aware multiple deformable object tracker for visual surveillance from two cameras is presented. Each object is tracked by a separate particle filter tracker, which is initiated upon detection of a new person and terminated when s/he leaves the scene. Objects are considered as 3D points at their centre of masses as if their mass density is uniform. Point objects and corresponding silhouette centroids in two views together with the epipolar geometry they satisfy resulted in a practical tracking methodology. An occlusion filter is described, that provides the tracker filters conditional occlusion probabilities of the objects, given their estimated positions. Advances over the previous work; in the computation of conditional occlusion probabilities, in incorporation of these probabilities in the particle filter, and in maintaining tracking of separating objects after long periods of moving close-by, are presented on PETS 2006, PETS 2009 and EPFL datasets

No abstract

Due to copyright restrictions, the access to the full text of this article is only available via subscription.Nesne takibi bilgisayarla görme uygulamalarında önemli bir yapı taşıdır. Bu problem hareket eden nesnelerin örtüşmesi, aydınlatma değişimleri ve gölgelerden ötürü zor olarak kabul edilmektedir. Bu bildiride nesne takibi için görünüş temelli örtüşme gözeten bir yöntem önerilmiştir ve önerilen yöntemde çoklu kamera ortamında parçacık süzgeci ile takip yapılmaktadır. Bu yöntemde konum ve görünüş bilgisini birlikte içeren gözlemler, bu gözlemlere karşılık gelen nesnelerin örtüşüp örtüşmediğine göre değerlendirilmektedir. Nesne takibi 3B koordinatlar cinsinden durum bilgisi kullanılarak yapılmakta ve takip performansını arttırmak için nesnelerin görüntülerde örtüşüp örtüşmeme olasılıkları kestirilmektedir. Bu bilgi kullanılarak, takip amacıyla faydalanılan parçacıklar örtüşme olasılıkları dikkate alınarak konum ve görünüşlerine göre ağırlıklandırılmaktadır. Parçacıkların konum gözlemine göre ağırlıklandırılması, nesnelerin konum ve hızlarının parçacıklar tarafından gerçek değerlere yakın kestirilmesini sağlamaktadır. Öte yandan, görünüş bilgisi örtüşme sonrası nesneyi tespit etmeye ve konum bilgisi bulunmuyorken takip edilmesine yardımcı olmaya yaramaktadır. Nesne görüntülerde örtüşüyorsa, parçacıklar hatalı olabilecek gözlemlerden etkilenmeyecek şekilde örtüşme olasılıkları oranında ağırlıklandırılmaktadır. Değişimlere gürbüz kalabilmek için görünüş bilgisinin zamanla güncellenmesi ve bu güncellemenin yapılabilmesi için nesnenin örtüşmeye karışmaması gerekmektedir. PETS ve EPFL veri kümeleriyle yapılan deneyler yöntemin başarısını ortaya koymakta ve farklı kamera düzenleşimlerinde de başarılı olduğunu göstermektedi

No abstract

Due to copyright restrictions, the access to the full text of this article is only available via subscription.Visual tracking has an important place among computer vision applications. Visual tracking with particle filters is a well-known methodology. The performance of particle filters is dependent on efficient sampling of the state space, which in turn, is dependent on number of particles. In this paper, Rao-Blackwell technique is applied to particle filters to improve sampling efficiency. Both algorithms are applied to people tracking problem. Under the same circumstances, the resulting algorithm is demonstrated to perform better than the original algorithm via experiments on the PETS2009 benchmark dataset