Dynamic Switching State Systems for Visual Tracking
Abstract:
This work addresses the problem of how to capture the dynamics of maneuvering objects for visual tracking. Towards this end, the perspective of recursive Bayesian filters and the perspective of deep learning approaches for state estimation are considered and their functional viewpoints are brought together.
| Zugehörige Institution(en) am KIT | Institut für Anthropomatik und Robotik (IAR) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2020 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-3-7315-1038-3 ISSN: 1863-6489 KITopen-ID: 1000122541 |
| Verlag | KIT Scientific Publishing |
| Umfang | XI, 198 S. |
| Serie | Karlsruher Schriften zur Anthropomatik / Lehrstuhl für Interaktive Echtzeitsysteme, Karlsruher Institut für Technologie ; Fraunhofer-Inst. für Optronik, Systemtechnik und Bildauswertung IOSB Karlsruhe ; 46 |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Informatik (INFORMATIK) |
| Institut | Institut für Anthropomatik und Robotik (IAR) |
| Prüfungsdatum | 24.04.2020 |
| Schlagwörter | Zustandsschätzung, videobasierte Objektverfolgung, Trajektorienprädiktion, state estimation, visual tracking, trajectory prediction |
| Relationen in KITopen | |
| Referent/Betreuer | Beyerer, Jürgen |