{
  "paper_id": "8a14084549d9a346bd4f97e169dda70f",
  "paper_title": "People Detection and Tracking with TOF Sensor",
  "paper_authors": [
    "Rudolf Tanner",
    "Martin Studer",
    "Adriano Zanoli",
    "Andreas Hartmann"
  ],
  "publication_date": "",
  "publication_venue": "2008 IEEE Fifth International Conference on Advanced Video and Signal Based Surveillance",
  "abstract": "This paper presents a method to detect, track and count people which pass a confined space using the latest 3D Time-of-Flight (ToF) sensor technology. A slicing algorithm is employed and a novel method is proposed which derives the slicing level based on the probability density function and histogram respectively. It was found that the algorithm, exploiting the data of one sensor only, works very well for normal situations. However, additional information needs to be made available to the system to solve specials cases, such as wheel chairs, push chairs or very closely spaced people.",
  "keywords": [
    "TOF sensor",
    "people detection",
    "people tracking",
    "people counting",
    "slicing algorithm",
    "histogram analysis",
    "probability density function",
    "3D range image"
  ],
  "paper_institutions": [
    "University of Applied Sciences, HTW Chur",
    "GST GmbH"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:47:25.608385Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文提出了一种利用最新3D飞行时间（ToF）传感器检测、跟踪和计数通过受限空间人群的方法。现有方法通常需要背景消除、3D到2D投影及形状匹配，但在处理儿童、成人、轮椅或婴儿车等复杂场景时存在局限。本文提出了一种基于概率密度函数和直方图分析的新型切片算法，自动确定最佳切片高度，以生成2D轮廓用于人员检测。测试环境为安装在2.8米高天花板下的MESA Imaging ToF传感器（176×144像素），在真实房间中采集数据，并使用Matlab处理。实验验证了该方法在单人、并排两人和前后两人等场景下都能可靠检测和跟踪，且无需复杂跟踪算法。实验测得图像信噪比约为43-44 dB，证实了方法的稳定性。然而，对于轮椅、婴儿车或紧密相邻的人群，仅靠单一传感器数据难以准确区分，需要融合其他信息。当前工作正在扩展数据集以评估误检概率，并探索多传感器及不同信息源以解决特殊场景。\n\n### 关键要点\n- 方法利用3D ToF传感器获取深度图像，通过背景消除和阈值估计生成2D切片轮廓，实现对人员的检测与跟踪。\n- 阈值设定基于对深度直方图的统计分析，通过识别直方图中的峰值和鞍点（利用抛物线拟合）自动确定切片高度，避免固定间隔切片带来的区分问题（如手提箱与儿童）。\n- 背景消除通过减去静态背景深度图像实现，可去除静态物体（如桌子）并提高处理效率，同时保留了动态物体的高度信息。\n- 3D图像通过切片转换为2D轮廓，切片高度由直方图分析得到，例如在-1米处切片，每个物体在2D平面上形成单一轮廓。\n- 人员检测不依赖形状匹配，而是通过相关方法追踪移动物体，避免了对帽子、背包等不同形状的复杂建模。\n- 跟踪采用出生-死亡路径描述机制，结合合理性质检（如速度、方向、越界等），丢弃不合理的轨迹，无需卡尔曼滤波器，因其假设高斯误差不适用于直线行走的人群。\n- 系统可统计离开观测区域的人数，并可在物体从出口方向进入时触发警报，利用普通摄像头进行人工查看，避免连续监控。\n- 实验场景中传感器固定在天花板，高度2.8米，地板为灰色多色乙烯基地板，背景中有桌角作为参考点，数据使用Matlab处理。\n- 信噪比通过两种方法估计：静态图像相减得到43.7 dB，利用已知距离偏移得到44.2 dB，两者接近，验证了测量噪声水平。\n- 实验结果展示了五帧序列中单人沿对角线行走、并排两人和前后两人等场景下，系统均能可靠检测和跟踪中心点。\n- 特殊场景（如轮椅、婴儿车、紧密相邻的人）需额外信息（如第二相机或不同数据类型）来解决，这是当前方法的限制。\n- 未来工作将收集更多真实数据以评估误检概率，并扩展系统能力以应对更多复杂情况。"
}