인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Multi-view object tracking requires transferring target object information from a reference view to other camera views while maintaining cross-view consistency, which is particularly challenging in surveillance and autonomous driving applications. Traditional approaches typically involve a two-stage pipeline of object detection and inter-view association, incurring significant computational cost. In this study, we propose a lightweight framework that performs object tracking only in the reference view using a single-object tracker and transfers the resulting mask to other views via homographic transformation. Our method extracts keypoints within the region of interest (ROI), matches them across views using visual descriptors, and estimates homography matrices to spatially align the masks, enabling accurate object localization without repeated tracking. Experimental results demonstrate that the proposed method achieves approximately 112 times faster processing speed while maintaining a high average IoU of 0.973, compared to the conventional approach of extending single-view tracking to multiple views. These results indicate that our approach is highly effective for real-time and resource-efficient multi-view object tracking environments.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093764847
