Huidige (camera) tracking frameworks kunnen op de korte termijn goed tracken, maar zijn op de langere termijn (uren, dagen) niet in staat om objecten (b.v. personen in een stationshal) goed te blijven volgen.
Dit onderzoek richt zich er op om voor dergelijke langere termijnen tracks te kunnen matchen door voor elke track een unieke fingerprint te definiëren en deze aan elkaar te matchen. Hoofddoelstelling van dit onderzoek is om te bepalen wat zinnige features zijn en in welke omstandigheden deze van toepassing zijn. Waarschijnlijk is een empirisch model van wat er in een bepaalde feature ruimte gebeurt beter dan een 3D fysisch model, mede omdat de inversie van 2D naar 3D een nog steeds niet opgelost probleem is. Als features valt te denken aan:

• kleur informatie (we volgen de persoon met de rode jas en gele broek)
• grote informatie ( we volgen de lange jongen)
• bewegings patroon (we volgen de persoon die trekt met zijn linker been)

Typische zinnige sensoren hiervoor zijn camera's en microfoon (arrays).
Een eventuele extra poot aan dit onderzoek is het bedenken van hoe vervolgens op basis van de (gecombineerde) long-term tracks interessant gedrag gevonden kan worden. Dit zou in een stationshal iemand kunnen zijn die steeds rondjes loopt, of in een Irak scenario iemand die steeds rond de US ambassade rondhangt.

Contact
Job opening