Robust Visual Tracking with a Freely-moving Event Camera

摘要:

1. 基于事件相机的好处.
2. 传统相机不能做快速跟踪,但是DVS可以做,因为由事件记录,所以不像帧一样存在信息丢失.
3. 引入的粒子滤波法,即使是在背景变化和速度变化的情况下,依旧可以保持持久跟踪.

介绍:

1. DVS相机的特性.
2. 用事件相机做视觉跟踪是一个自然而然的问题,因为移动的目标可以被传感器本身分割.
3. 当目标动,相机也动的时候,由于背景存在更多噪声,跟踪问题会变得困难,之前的算法如高斯聚类和模板匹配都不适用了.
4. 之前作者使用的霍夫变换,时间窗是固定的,当目标动,相机也动的时候,就不好了,因为速度一致时就没有信息了.
5. 提出的粒子滤波法:避免背景噪声,解决速度不一致. 时间窗随着时间不停变化来匹配相对速度; 多次观测值上累积的可能性估计来消除噪声影响, 只在先前可能的目标周围采样;
6. 虽然文章是在跟踪球,但是设计的似然函数可以被制造,学习去跟踪任何形状的目标.

事件相机在噪声中跟踪目标:

1.DVS高动态范围,低带宽,低延时,事件不需要等着读完所有像素才发生,事件是独立的.