{
  "paper_id": "92e3a4602c393e033102780832c188d2",
  "paper_title": "People detection and tracking with multiple stereo cameras using particle filters",
  "paper_authors": [
    "Rafael Muñoz-Salinas",
    "R. Medina-Carnicer",
    "F.J. Madrid-Cuevas",
    "A. Carmona-Poyato"
  ],
  "publication_date": "2009-03-24",
  "publication_venue": "Not specified",
  "abstract": "In this work, a novel approach for people detection and tracking using multiple stereo cameras is proposed. Our proposal consists in combining information from all the available cameras using three different plan-view maps. Occupancy and height maps register the volume and height of the objects that are visible in the stereo cameras, respectively. We also propose the use of a novel map, named confidence map, which registers the confidence of the information projected in each cell. The proposed confidence map is employed to fuse the information captured by each camera so that the most reliable information is kept in each cell. We then propose a particle filter algorithm for tracking people in the fused plan-view maps. The observation model employed considers height, occupancy and confidence information so that information from the most reliable camera is employed at each time instant. The experiments conducted show the validity of our proposal.",
  "keywords": [
    "Plan-view maps",
    "Stereo vision",
    "Person tracking",
    "Particle filtering",
    "Colour processing",
    "Condensation algorithm",
    "Person detection",
    "Gesture recognition"
  ],
  "paper_institutions": [
    "Department of Computing and Numerical Analysis, University of Córdoba"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:47:06.379803Z",
  "template_tag": "deep_read",
  "summary": "# People detection and tracking with multiple stereo cameras using particle filters\n\n\n**作者 / Authors:** Rafael Muñoz-Salinas, R. Medina-Carnicer, F.J. Madrid-Cuevas, A. Carmona-Poyato\n\n\n**单位 / Institutions:** Department of Computing and Numerical Analysis, University of Córdoba\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n**发表日期 / Publication Date:** 2009-03-24\n\n\n\n**期刊/会议 / Publication Venue:** Image and Vision Computing (Elsevier)\n\n\n## 模块 A：阅读对齐与输入校验 / Module A: Reading Alignment and Input Check\n\n[Paper metadata] 标题：People detection and tracking with multiple stereo cameras using particle filters；作者：Rafael Muñoz-Salinas, R. Medina-Carnicer, F.J. Madrid-Cuevas, A. Carmona-Poyato（均来自西班牙科尔多瓦大学计算与数值分析系）；出版地点：Image and Vision Computing（Elsevier），在线发表于2009年3月24日（接受日期2009年3月17日）。\n\n[Research positioning] 研究领域：计算机视觉中的立体视觉、多摄像机人员检测与跟踪；具体任务：利用多个立体摄像机在平面视图地图（plan-view maps）上实现鲁棒的多人检测和跟踪；目标用户或应用场景：视频监控、智能房间、机器人交互等环境，需处理遮挡和立体误差。\n\n[Input material checklist] PDF：是（提供的文档）；附录/补充材料：无；代码链接：无（未提供）；数据集链接：无（实验数据未公开）。\n\n[Missing materials and risks] 缺失项：代码和实验数据集未公开；影响：难以完全复现实验结果，需根据文中描述自行实现；但主要算法和参数（如δ=3cm, μ_o=2500等）已给出，可部分复现。\n\n[Reading route] 第1步：阅读摘要和引言，理解问题背景、相关工作及本文贡献（第1节）；第2步：理解平面视图地图（占用、高度、置信度）的生成与融合（第2节）；第3步：深入粒子滤波框架、观察模型、遮挡处理（第3节）；第4步：查看实验设计、结果和误差分析（第4节）；第5步：阅读结论，总结贡献和局限（第5节）。\n\n\n## 模块 B：第一遍鸟瞰扫描（类别/上下文/正确性/贡献/清晰度） / Module B: First Pass Overview (category, context, correctness, contribution, clarity)\n\n[Paper type and category] 本文是一篇方法型研究论文，属于计算机视觉领域，具体为多视角立体视觉下的人群检测与跟踪。其采用粒子滤波（Particle Filter）作为核心跟踪框架，并引入平面视图地图（Plan-view Maps）进行多相机信息融合。\n\n[Context] 研究背景：单相机跟踪受限于遮挡和视野范围，多相机可以缓解这些问题。立体视觉提供了深度信息，对光照变化鲁棒。已有工作多基于单相机或从相机图像提取信息，而平面视图地图（如占用图、高度图）能更高效地表示地面信息。本文旨在利用多个立体相机，融合各自的平面视图地图，实现鲁棒的多人群检测与跟踪。相关研究包括Beymer的占用图（Ref.[^1]）、Harville的占用和高度图（Ref.[^13]）、以及作者自己的先前工作（Ref.[^27] [^28] [^29]）。多相机方面，Mittal和Davis（Ref.[^26]）、Krumm等（Ref.[^24]）、Zhao等（Ref.[^34]）均做了相关工作，但未直接在平面视图地图上工作，且未充分考虑立体误差。\n\n[Intuitive correctness check] 关键假设和合理性：\n\n1. 假设立体误差随距离增大，因此引入置信度图（Confidence Map）来衡量每个单元信息的可靠性。这个假设符合立体视觉原理（三角测量误差与距离平方成正比），合理。\n2. 假设人的投影区域大小约为0.5米（ζ_R=0.5 m），通过对区域内的占用、高度、置信度进行高斯或逆巴特沃斯建模。这个假设合理，人肩宽通常在这个范围。\n3. 粒子滤波使用随机游走模型，并假设人平均步行速度1 m/s，据此设置运动噪声σ_m=1/fps。这合理，但忽略了人的加速和转向，可能影响跟踪精度。\n4. 置信度融合策略：选择每个单元中置信度最高的相机信息，这直观合理，但可能忽略多相机信息互补的情况。\n5. 遮挡处理：通过检测粒子滤波均值位置的似然低于阈值来判定遮挡，并增加粒子数和扩散度，在多人环境中合理。\n总体而言，这些假设与常识和立体视觉原理相符，但部分参数（如μ_o=2500）需实验确定。\n\n[Contributions] 1) 提出融合多个立体相机三张平面视图地图（占用、高度、置信度）的新框架，其中置信度图为原创概念，用于衡量每个单元信息的可靠性。2) 基于置信度图的融合策略，在全局地图中保留每个单元最可靠的信息，有效减少立体误差带来的影响。3) 提出综合占用、高度和置信度信息的粒子滤波观测模型，并结合交互因子解决粒子凝聚问题。4) 设计遮挡检测与恢复机制，通过在遮挡时增加粒子数和扩散度，并利用多相机互补性，提高鲁棒性。5) 在三个真实场景（PEIS房间、第二场景、走廊）中进行实验，验证了方法的有效性，特别是在走廊场景中证明了置信度图能显著降低跟踪误差。\n\n[Clarity assessment] 结构清晰：论文按引言、方法（平面视图地图生成与融合、粒子滤波跟踪、观测模型）、实验、结论组织。图例丰富：图2展示了占用/高度/置信度图的直观示例，图3展示了融合效果，图6展示了有无置信度时的似然图，直观说明问题。公式推导详细，参数给出具体值（如δ=3 cm, μ_o=2500, σ_c等）。但存在一些排版质量问题：文中部分公式编号错乱（如式(16)前后），且图4中的伪代码有乱码（如“w(t^{19}~1)”），可能影响阅读。总体可读性良好，但细节需校对。\n\n[Continue-or-stop recommendation] 建议继续深度阅读（进入第二遍和第三遍）。理由：这是多相机立体跟踪领域的代表性工作，提出了原创的置信度图概念，并提供了完整的算法细节和实验验证。对于理解如何融合多视角信息、处理立体误差，以及粒子滤波在多目标跟踪中的应用有重要价值。尽管代码未公开，但算法描述和参数足够支持部分复现。因此，值得深入分析其方法、实验设计和潜在改进空间。\n\n[Structural outline diagram]\n\n```markmap\n# People Detection and Tracking with Multiple Stereo Cameras Using Particle Filters\n## 1. Introduction\n### 背景与相关工作\n### 本文贡献\n## 2. Stereo Plan-view Maps\n### 立体视觉基础\n### 占用/高度/置信度地图的生成\n### 多相机地图融合\n## 3. People Detection and Tracking\n### 多粒子滤波框架\n### 观测模型（占用、高度、置信度）\n### 人进入/离开检测\n## 4. Experiments and Discussions\n### 性能评估（误差、粒子数影响）\n### 置信度图的影响\n## 5. Conclusions\n### 总结与展望\n```\n\n\n## 模块 C1：论文试图解决什么问题？ / Module C1: What problem does the paper try to solve?\n\n### 模块C1：论文试图解决什么问题？\n\n**1. 一句话问题定义**\n论文旨在解决多立体摄像机环境下，由于遮挡和立体误差导致的多人检测与跟踪鲁棒性不足的问题。\n\n## 2. 痛点或缺陷（2-4条）\n\n- **单摄像机局限**：单摄像机监控范围小且易受遮挡，难以可靠进行多人跟踪（引言，第1节）。\n- **现有平面视图方法多基于单摄像机**：已有平面视图方法（如占用图、高度图）大多仅用于单个立体摄像机，而多摄像机融合时未充分考虑立体误差（第1节，对比文献[^1][^13][^16][^17]）。\n- **多摄像机方法未直接利用平面视图**：已有多个立体摄像机方法（如[^24][^26][^34]）多在图像或三维空间分别处理，未直接利用平面视图融合，且未建模立体误差（第1.1节）。\n- **立体误差导致投影不准确**：距离越远，立体重建误差越大，导致平面视图上人点云扩散，多摄像机融合时“幻影”等问题（第2.3节及第4.2节）。\n\n**3. 形式化目标或优化目标（如有）**\n论文并未显式给出一个全局优化目标函数，但核心目标可形式化为：在每一时刻，通过融合多个立体摄像机的平面视图（占用图、高度图、置信度图），估计每个人在全局地图中的位置状态（x,y），使得跟踪误差最小化。具体实现中，通过粒子滤波（每个目标独立滤波器）最大化联合似然：\n\\[ p(Z(t)|s_j(t)) = p_o(O_j(t)|s_j(t)) \\cdot p_h(H_j(t)|s_j(t)) \\cdot p_c(C_j(t)|s_j(t)) \\]\n其中占用和高度似然假设高斯分布，置信度似然采用反巴特沃斯分布（第3.2节，式(26)）。融合时按每个单元格选择置信度最高的摄像机信息（第2.3节，式(11)-(13)）。\n\n## 4. 成功标准（指标或期望性质）\n\n- **跟踪精度**：以RMSE（均方根误差）衡量，实验表明使用40个粒子时误差约为0.15 m（第4.1节，图7）。\n- **粒子效率**：在较少粒子（40个）下即达到良好性能，避免过高计算开销（第4.1节）。\n- **遮挡鲁棒性**：通过多摄像机融合和遮挡检测恢复机制，在严重遮挡（如走廊场景）下仍能可靠跟踪（第4.1节及图10）。\n- **置信度图的作用**：使用置信度图可显著降低跟踪误差，尤其在远离摄像机的区域（第4.2节，图11-12）。\n- **实时性**：处理速度满足要求（背景去除30ms，地图构建与融合9ms，每个跟踪器2.5ms）（第4.1节）。\n\n\n## 模块 C2：有哪些相关研究？（最强基线/最相近思路/正交方向） / Module C2: What related research exists? (strongest baseline, closest approach, orthogonal directions)\n\n### 模块C2：相关工作分析\n\n#### 1. 最强基线及比较轴\n\n- **最强基线**：基于单目/单立体摄像头的平面视图地图方法，特别是Harville等[^13][^14]利用占用图和高度图进行人员检测与跟踪的工作，以及作者自己先前基于单立体摄像头的平面视图地图方法[^27][^28]。\n- **比较轴**：是否支持多立体摄像头的融合、是否考虑立体误差、跟踪的鲁棒性（尤其在遮挡和远距离场景下）。\n\n#### 2. 最接近的方法及关键差异\n\n- **最接近方法**：Zhao等[^34]使用多个短基线立体摄像头，但采用独立跟踪器再融合局部位置；Krumm等[^24]使用一对立体摄像头通过3D体素聚类检测人，而非平面视图地图；Mittal和Davis[^26]的多视角概率方法。\n- **关键差异**：本文直接在融合的平面视图地图上进行检测和跟踪（而非在图像或3D体素中），并引入了新颖的置信图（confidence map）来整合多摄像头信息，同时显式建模立体误差，通过置信度加权选择最可靠信息，而不是简单拼接或后融合。\n\n#### 3. 正交方向\n\n- 基于单目视觉的多人跟踪（如[^12]）——不利用深度信息。\n- 基于体素或3D点云的方法（如[^24]）——不投影到平面视图地图。\n- 基于音频或其它模态的融合（如[^3]）——结合声音与立体信息。\n- 重点关注手势识别或交互应用（如Perseus[^21]）——与本文以监控跟踪为主的目标不同。\n\n#### 4. 一句话定位\n\n本文提出一种利用多个立体摄像头，通过结合占用图、高度图和新型置信图生成融合平面视图地图，并采用多重粒子滤波进行人员检测与跟踪的方法，其核心创新在于用置信度融合多摄像头信息以抑制立体误差。\n\n**方法→核心思想→局限性**：\n\n- **方法**：为每个立体摄像头生成占用、高度、置信三种平面视图地图，按逐单元置信度最大原则融合成全局地图，再使用独立粒子滤波器结合交互因子和遮挡处理进行多人跟踪。\n- **核心思想**：用置信度图量化每个单元信息的可靠性，并在融合和观测模型中都优先采用高置信度来源，从而缓解立体误差和遮挡问题。\n- **局限性**：依赖背景建模步骤（较耗时），且检测依赖于预定义入口区域；未公开代码和数据集，复现需自行实现。\n\n\n## 模块 C3：论文如何解决这个问题？（流程图文字版） / Module C3: How does the paper solve the problem? (include a text flowchart)\n\n## 核心机制概述\n\n本文提出一种基于多个立体摄像机的人员检测与跟踪方法。核心思想是：对每个立体摄像机生成三种平面视图地图（占用图、高度图和置信度图），然后基于置信度图将各摄像机的地图融合为全局地图，以避免立体误差的影响。在全局地图上，采用**多粒子滤波**（每个目标一个独立粒子滤波器）进行人员跟踪，观测模型综合占用、高度和置信度信息，并通过交互因子和遮挡处理解决粒子合流和完全遮挡问题。\n\n## 逐步分解\n\n### 步骤1：立体视觉处理\n\n- 利用立体相机对，计算视差并三角化得到3D点（式1-2）。\n- 将3D点从相机坐标系转换到以地面为基准的世界坐标系（通过标定板获取外参）。\n- 选取高度范围过滤地板和天花板等无关点。\n\n### 步骤2：生成每摄像机的三种平面视图地图\n\n- **占用图**：每个格子统计投影到该格的3D点加权值，权值正比于该点所代表的空间表面（式4）。\n- **高度图**：每个格子记录该格内最高点的Y坐标（式5）。\n- **置信度图**：每个格子记录该格内点集置信度的平均值，置信度函数定义为高斯函数（式6-9）。该图是本文新提出的，用于衡量立体信息的可靠性。\n\n### 步骤3：多摄像机地图融合\n\n- 对于每个格子，选择置信度最高的摄像机信息作为全局地图的值（式10-13），即`O`、`H`、`C`均取自`argmax`对应的相机。\n- 这样融合能保留最可靠的信息，并解决单相机遮挡问题。\n\n### 步骤4：人员检测\n\n- 在已知入口区域（如门）利用观测模型的似然函数（式26）逐格计算，迭代寻找超过阈值`θ_e`的峰值。\n- 对候选检测进行多帧确认后才正式创建新跟踪器，减少误检。\n- 当人员离开入口区域且连续遮挡超过阈值时，删除对应跟踪器。\n\n### 步骤5：人员跟踪\n\n- 每个目标一个粒子滤波器（基于Condensation算法），状态为`(x, y)`。\n- 每一步：重采样、根据运动模型（随机游走）传播、计算粒子权重、估计目标位置。\n- 粒子权重由观测模型（占用、高度、置信度）与交互因子`I_j`相乘得到（式14）。\n- 交互因子（高斯）惩罚靠近其他目标的粒子，防止粒子合流（式15）。\n- 若估计位置似然低于阈值`π_min`视为遮挡，则增加粒子数和运动噪声宽度，尝试恢复；若连续丢失则终止跟踪。\n\n## 关键公式及角色\n\n| 公式 | 作用 |\n|------|------|\n| `Z = f b / d` (1) | 三角化计算深度 |\n| `x^i = [X_w^i/δ], y^i = [Z_w^i/δ]` (3) | 3D点投影到平面地图格子 |\n| `O_{(x,y)} = Σ (Z_cam^j)^2 / f^2` (4) | 占用图计算，加权表面 |\n| `H_{(x,y)} = max(Y_w^j)` (5) | 高度图计算 |\n| `C(z) = exp(-z^2/(2σ_c^2))` (6) | 点置信度高斯函数 |\n| 融合：`v_{(x,y)} = argmax_v C_{(x,y)}^v` (10) | 每个格子选最优相机 |\n| `s_j(t) = A s'_j(t-1) + w` (13) | 粒子传播（随机游走，σ_m=1/fps） |\n| `π_j(t) = I_j(t) * p(Z(t)|s_j(t))` (14) | 粒子权重计算 |\n| `I_j = 1 - exp(-dm^2/(2σ_dm^2))` (15) | 交互因子防合流 |\n| 观测似然：`p = p_o * p_h * p_c` (26) | 综合占用、高度、置信度 |\n| 占用分布：`N(μ_o=2500, σ_o=1000)` | 占用模型参数（实验值） |\n| 高度分布：`N(μ_h=1.5m, σ_h=0.8m)` | 高度模型参数 |\n| 置信度：逆Butterworth分布 `φ(x,f_c,n)` (24) | 置信度模型，f_c=0.15, n=2 |\n\n## 流程图\n\n```mermaid\nflowchart TD\n    A[立体相机对采集图像] --> B[视差计算与3D重建]\n    B --> C[生成占用图/高度图/置信度图（每相机）]\n    C --> D[基于置信度融合为全局地图]\n    D --> E[人员检测：入口区域峰值搜索]\n    E --> F[为每个目标初始化独立粒子滤波器]\n    F --> G[粒子传播（随机游走）]\n    G --> H[计算粒子权重（观测模型×交互因子）]\n    H --> I[估计目标位置]\n    I --> J{遮挡检测：π_est < π_min?}\n    J -- 否 --> K[正常跟踪，更新地图背景]\n    J -- 是 --> L[增大粒子数和σ_m，继续搜索]\n    L --> M{连续遮挡超限?}\n    M -- 否 --> G\n    M -- 是 --> N[删除该跟踪器]\n    K --> O[检测新目标，更新背景]\n    O --> G\n```\n\n\n## 模块 C4：实验数据集与实现设置（数据集/场景、为何选择、验证哪些关键特性） / Module C4: Datasets and implementation settings (what datasets/scenarios, why chosen, what they validate)\n\n## 模块C4：数据集、基准、实现与评估设置\n\n### 1. 数据集/基准列表（名称、规模、场景）\n\n本论文未使用公开数据集或标准基准，而是自行录制视频序列，在三个真实场景中评估方法（第4节）：\n\n- **场景1：PEIS房间（PEIS room）**（第4节、图8）\n  - 用途：机器人和嵌入式系统研究的公寓环境（文献[^25]）。\n  - 相机配置：两个立体相机，一个安装在天花板（高约4.5m，向下），另一个倾斜安装（高约3m）。覆盖面积约3×4m。\n  - 帧率与分辨率：软件同步，7 fps，320×240像素。\n  - 人员数量：3人（图8），自由走动、互动、坐下等。\n\n- **场景2：第二实验场景（无特定名称）**（第4节、图9）\n  - 相机配置：三个立体相机（Videre）倾斜安装，高度约3m。覆盖面积约4×4m。\n  - 帧率与分辨率：软件同步，15 fps，320×240像素。\n  - 人员数量：4人，随机移动、频繁坐下，造成频繁遮挡。\n\n- **场景3：走廊（corridor）**（第4节、图3、图10）\n  - 相机配置：两个立体相机，高约2m，位于走廊两端，走廊长15m。\n  - 人员数量：4人（图10），从一端移动到另一端，产生严重遮挡和大的立体误差。\n\n- **总体规模**：共记录多个视频序列，参与实验的人员共10人，序列中人数从2到4人不等。在性能评估中，从1103帧中人工标注了4182个人体头部位置（第4.1节）。\n\n### 2. 预处理与划分/覆盖设置\n\n- **背景建模**：利用像素的颜色和深度信息，使用自适应混合高斯模型（文献[^15]）提取前景像素；只有前景像素用于构建平面视图地图（第3节开头）。背景模型会不断更新，但被跟踪人员像素不参与更新，以避免人员融入背景。\n- **平面视图地图生成**：对每个立体相机，分别生成占用图（occupancy）、高度图（height）和新颖的置信度图（confidence）。地图单元大小δ=3cm（第2.2节）。高度范围[h_min, h_max]用于过滤掉天花板和地面点。\n- **地图融合**：将多相机的地图融合成全局占用图、高度图和置信度图，融合规则为每个单元保留置信度最高的相机信息（第2.3节）。\n- **无明确的数据划分/交叉验证**：论文没有提及训练集/测试集划分，而是直接在所有序列上评估跟踪性能。参数（如μ_o、σ_o、μ_h、σ_h、f_c等）通过实验调整，未说明是否使用独立验证集。\n- **评估覆盖**：评估覆盖了不同场景（室内房间、开阔房间、长走廊）、不同人数（2-4人）、不同遮挡程度（部分/全部遮挡）、不同相机配置（天花板、倾斜、两端），以及不同距离带来的立体误差差异。特别设计了对比实验（有无置信度图）来验证置信度图的作用（第4.2节）。\n\n### 3. 训练/推理/评估环境\n\n- **硬件**：AMD Turion 3200便携式计算机，1GB内存，运行GNU+Linux（第4.1节）。\n- **软件**：使用OpenCV库进行相机标定和图像处理（第2.1节、第2.3节引用[^18]）。立体匹配算法为改进的SAD（带亚像素插值）。\n- **推理/跟踪设置**：\n  - 粒子滤波器每个目标独立运行（多粒子滤波），每个目标使用40个粒子（根据实验确定）。\n  - 运动模型：随机游走，标准差σ_m = 1/fps（基于人平均步行速度1 m/s）。\n  - 观测模型：结合占用、高度和置信度信息，概率密度分别采用高斯（占用、高度）和逆巴特沃斯分布（置信度）。参数：μ_o=2500, σ_o=1000；μ_h=1.5m, σ_h=0.8m；f_c=0.15, n=2。\n  - 遮挡处理：当粒子权重低于π_min时，增加粒子数和标准差，最多连续遮挡若干次则退出。\n  - 人员检测：检测进入/离开区域，对候选检测连续几帧确认后才建立新跟踪器。\n- **评估指标**：跟踪误差（RMSE），即估计位置与人工标注位置间的距离。采用10次不同随机种子重复实验取平均（第4.1节）。\n\n### 4. 为何选择这些设置及其验证意义\n\n- **多样化的真实场景**：选择PEIS房间（天花板+倾斜相机）、室内开放空间（三个倾斜相机）、长走廊（两端相机）三种场景，覆盖了不同相机高度、角度、距离和遮挡复杂度，从而验证算法在真实环境中的鲁棒性和普适性。\n- **立体误差的极端情况**：走廊场景（长15m）使人员距离相机较远，产生较大的立体误差（点云扩散），专门挑战置信度地图的作用。通过有无置信度地图的对比实验（第4.2节），显示不使用置信度时跟踪误差在走廊两端明显增大（最大近1m），而使用置信度时误差显著降低，证明了置信度地图能有效抑制立体误差导致的“幻影”模式。\n- **遮挡场景**：三个场景都包含频繁的遮挡（人员互动、坐下、多人移动），验证了多粒子滤波、交互因子和遮挡检测/恢复机制的有效性。\n- **粒子数影响**：通过增加粒子数评估误差变化，得出40粒子即可达到0.15m的RMSE，为实时应用提供了参数选择依据，并给出了各阶段耗时（背景去除30ms、地图构建9ms、每跟踪器2.5ms），证明了系统的实时性潜力。\n- **人工标注验证**：人工精确标注了4182个位置，提供可靠的量化评估，确保误差计算的准确性。\n\n总之，这些设置全面检验了提出的多立体相机平面视图地图融合和粒子滤波跟踪方法在不同实际条件下的性能、准确性和实时性，特别是在立体误差大、遮挡严重情况下的鲁棒性，并通过消融实验明确验证了置信度地图的关键贡献。\n\n\n## 模块 C5：指标与结果（指标、结果、各指标对应的创新点） / Module C5: Metrics and results (metrics, results, which innovations each metric reflects)\n\n## 模块C5：指标与结果\n\n### 1. 指标（带定义或简要说明）\n\n- **跟踪误差（Tracking error）**：对被跟踪人物，由其人工标注位置（手动提取的头部在平面视图地图中的位置）与算法估计位置之间的欧氏距离（第4.1节）。用于定量评估跟踪精度。\n- **RMSE（Root Mean Square Error）**：在所有帧、所有人物、多次随机运行（10次不同随机种子）上计算的跟踪误差的均方根误差（第4.1节，图7纵轴）。用于衡量整体定位误差。\n- **似然（Likelihood）**：基于观察模型（式26）计算每个粒子状态的后验概率，用于粒子滤波权重（第3.2节）。用于定性评估不同配置下的跟踪效果（如第4.2节中图12的似然图）。\n- **置信度（Confidence）**：每个单元的平均置信值（式6），范围[^0] [^1]，表示立体信息可靠性（第2.2节）。用于融合多相机信息及观察模型中的置信度项（式23-26）。\n\n### 2. 主要结果（使用具体数字）\n\n- **跟踪性能**：使用40个粒子时，平均跟踪误差约为 **0.15 m**（第4.1节，图7）。\n- **粒子数影响**：误差随粒子数增加而降低，但在40个粒子以后无明显改善（第4.1节）。从15到40个粒子误差显著下降，之后趋于平稳。\n- **计算时间**：背景去除消耗 **30 ms**，平面视图地图创建与融合消耗 **9 ms**（第4.1节）。每个跟踪器使用40个粒子估计位置耗时 **2.5 ms**（第4.1节）。\n- **实验规模**：共3个场景，1103帧，手工标注4182个位置，10名受试者（第4.1节）。\n\n### 3. 与基线或代表性先前工作的比较\n\n- **与不使用置信度信息的版本比较**（第4.2节）：在走廊场景中，同一序列分别使用置信度地图与不使用（即设置$p_c(C_j(t)|s_j(t))=1$）进行跟踪，对比误差。图11显示在有置信度时误差更小，尤其当人物接近走廊两端时（立体误差大），在帧#360附近误差差接近 **1 m**（无置信度的误差更高）。图12定性展示：无置信度时似然图出现“幻影”（虚假模式），导致跟踪漂移；有置信度时似然图清晰，跟踪稳定。\n- **与先前多相机立体跟踪工作（如[^24][^26][^34]）的对比**：本文指出这些工作直接在图像或3D点云中处理、未考虑立体误差或未进行平面视图融合（第1节、第1.1节）。本文提出在平面视图地图中直接跟踪、使用置信度模型融合多相机信息，实验证明能处理遮挡与立体误差（第4节结论）。但文中未提供与这些方法的定量比较，仅定性优势（第5节）。\n\n### 4. 消融、敏感性或跨论文差异综合\n\n- **置信度地图消融（Ablation）**：在走廊场景中，对比“使用置信度地图”与“不使用置信度地图”（即令$p_c=1$）的跟踪误差。结果显示置信度的引入显著降低误差，尤其在立体误差大的区域（第4.2节，图11、图12）。\n- **粒子数敏感性**：在走廊/其他场景中，测试15至60+粒子（图7），确定40个粒子为性能-计算开销平衡点（第4.1节）。该敏感性分析表明算法对粒子数并不苛刻，40已足够。\n- **相机配置影响**：三个场景（PEIS房间、房间、走廊）中，相机高度、数量、距离不同，影响立体误差和遮挡频率。实验表明算法在近场景（误差小）和远场景（误差大）均能可靠跟踪，但对远处立体误差依赖置信度补偿（第4.1节、第4.2节）。\n- **与其他方法（如[^27]）的比较说明**：本文方法扩展了作者先前单相机工作（[^27]等），引入多相机融合与置信度地图。文中明确提及与先前方法（如[^27]）的差异：本文聚焦于最小配置（仅占用和高度地图），但指出颜色地图可扩展（第2.2节）。未提供与[^27]的定量对比，但强调置信度地图是本文核心改进。\n\n**总结**：实验证明所提方法在40粒子下达到0.15 m RMSE，计算开销可接受；置信度地图显著改善立体误差大时的跟踪精度，是该方法的独特贡献。\n\n\n## 模块 C6：有什么可以进一步探索的点？（理论/工程/数据/评测） / Module C6: What can be further explored? (theory/engineering/data/evaluation)\n\n### 理论方向\n\n- **融合策略的理论扩展**：当前融合策略在每个单元格选择置信度最高的相机信息，属于“硬切换”机制（Section 2.3）。可探索更平滑、概率化的融合理论，如基于置信度的加权平均或贝叶斯最优融合，以利用多个相机的互补信息，减少切换带来的噪声和不连续性。\n- **观测模型的理论改进**：当前观测模型分别独立处理占用率、高度和置信度（Section 3.2），假设三者条件独立（式26）。可研究更复杂的联合概率模型，考虑它们之间的相关性（如高度与占用率受同一深度误差影响），或引入深度不确定性传播理论，提高似然估计的准确性。\n- **粒子滤波的理论分析**：粒子数、噪声参数（σ_m、σ_o、σ_h）等目前由经验设定（Section 4.1），缺乏理论指导。可推导不同场景下粒子数需求与跟踪误差的解析关系，或使用自适应粒子数理论（如KLD采样）动态调整粒子数，提高计算效率。\n\n### 工程方向\n\n- **多相机系统的标定与同步优化**：文中使用棋盘格标定和软件同步（Section 2.1, 4），但实际大规模部署需要更鲁棒的自动标定和硬件同步方案。可开发基于深度学习的相机外参自标定技术，或利用时间戳和运动补偿解决相机帧率不同步问题。\n- **实时性与计算优化**：文中指出背景去除耗时30ms（Section 4.1），是计算瓶颈。可探索GPU并行化、背景建模的轻量化（如混合高斯模型改用深度学习方法），以及粒子滤波的高效采样（如使用GPU并行粒子）来提升实时处理能力。\n- **系统鲁棒性增强**：当前方法假设静态背景和固定相机，可扩展至移动平台或动态背景。工程上需集成IMU、里程计等传感器，或采用视觉SLAM实现相机自定位，使系统适应机器人或自动驾驶场景。\n\n### 数据/评估方向\n\n- **更大规模和多样化的数据集**：本文实验仅3个场景、最多4人、总帧数1103帧（Section 4）。急需在公开的多相机数据集（如EPFL、WILDTRACK）上评估，并涵盖更多人物密度、光照变化、复杂遮挡、不同身高体型等多样情况，以验证泛化能力。\n- **标准化的评估指标与公平比较**：文中使用RMSE（均方根误差）和人工标注位置（Section 4.1），缺乏与其他多相机跟踪方法（如Mittal、Zhao等人的工作）的定量比较。未来应统一评估协议，采用MOTChallenge等标准指标（MOTA、IDF1等），并开源代码和标注，便于复现和公平对比。\n- **长期跟踪与身份保持评估**：本文聚焦于位置估计，但实际应用需长期在线跟踪。应评估长时间运行下身份切换频率、轨迹连续性、以及检测失败恢复能力。可设计专门的长期序列（如数分钟）和指标（如身份切换次数、跟踪生命周期），检验算法在真实部署中的可靠性。\n\n\n## 模块 C7：现实场景如何体现/实现？（部署约束、算力、延迟、鲁棒性） / Module C7: How would this work in real-world scenarios? (deployment constraints, compute, latency, robustness)\n\n### 模块C7：在真实世界中的部署表现\n\n#### 部署约束\n\n- **硬件要求**：系统依赖多个立体相机。实验中使用2-3个立体相机（如Videre Design制造的天花板相机、低成本的网络摄像头组合），需要同步拍摄（软件同步），分辨率320×240，帧率7-15 fps（见第4节）。相机必须经过标定（棋盘格标定，使用OpenCV库）以建立统一世界坐标系（第2.1节）。\n- **部署环境**：受限的室内场景（PEIS房间、第二个室内场景、走廊），要求已知监控区域，入口/出口区域需预先定义（用于人员出入检测，第3.3节）。需要背景模型（混合高斯模型，融合颜色和深度）进行前景分割，因此场景需相对固定，照明变化需在模型适应范围内（引言提及立体视觉对光照变化较鲁棒）。\n- **软件与计算平台**：算法在常规PC上实现（测试用AMD Turion 3200，1GB RAM，Linux系统），使用OpenCV库。背景去除耗时30ms，平面图创建与融合耗时9ms，每个跟踪器（40粒子）估计位置耗时2.5ms（第4.1节）。因此可近似实时运行，但受限于帧率和人数。\n\n#### 计算/延迟影响\n\n- **计算瓶颈**：背景去除是最耗时部分（30ms），平面图生成和融合约9ms，粒子滤波跟踪单个人员约2.5ms（40粒子）。若人数增加，跟踪器数量线性增加，总时间增加。系统总延迟约为背景去除+地图生成+各跟踪器耗时之和，在7-15 fps的相机帧率下可满足实时要求。\n- **参数敏感性**：网格大小δ=3cm，粒子数40，观察模型高斯参数（μ_o=2500, σ_o=1000, μ_h=1.5m, σ_h=0.8m, f_c=0.15, n=2）均需针对具体场景调参（第3.2节）。距离阈值d_min=3决定置信函数Z_max（第2.2节），需匹配立体匹配算法的精度。\n- **多相机同步**：软件同步带来延迟不确定性，影响多视图融合的时序一致性，可能导致融合误差。\n\n#### 鲁棒性与安全性问题\n\n- **鲁棒性**：\n  - 立体误差随距离增大，置信图缓解但无法完全消除，在走廊场景中远处人员的投影仍可能分散（第2.3节）。\n  - 遮挡：多相机融合可解决部分遮挡（一相机看不见但另一相机可见），但全遮挡时依赖遮挡检测机制（第3.1节）；长时间全遮挡可能导致目标丢失。\n  - 人员频繁交互时，互动因子避免粒子凝聚，但极端拥挤可能造成身份互换（论文未深入讨论）。\n  - 光照突变：立体视觉对光照变化较不敏感，但背景模型可能误分割；可结合颜色但未在本工作使用。\n- **安全性**：该技术用于智能房间/监控，涉及个人隐私；部署需遵守隐私法规。系统误检或漏检可能影响自动交互系统（如机器人服务员）的安全性，需人工监督或安全机制。\n\n#### 可维护性\n\n- **模型更新**：背景模型需定期更新以适应环境变化（如移动家具），但论文未提供自适应更新策略（仅提及不将跟踪中人加入背景）。\n- **相机标定**：相机位置或焦距变化需重新标定，缺乏自动标定流程。\n- **代码可维护性**：未提供开源代码，算法实现细节（如粒子滤波器结构、置信函数）需从论文重建，维护成本高。\n- **可扩展性**：增加相机数量需重新计算地图融合，但架构支持多相机；增加跟踪目标数量时计算量线性增长，可能需优化。\n\n#### 部署建议\n\n- 适用于固定室内监控、智能房间、机器人交互等场景；需预先标定相机和设定入口区域。\n- 建议使用高精度立体相机以减少误差，并合理布局相机以减少遮挡。\n- 针对计算瓶颈（背景去除）可考虑GPU加速或降分辨率，以保证实时性。\n- 长期运行需监控背景模型漂移，定期重置背景。\n\n\n## 模块 C8：总结主要内容（一段摘要 + 5 条要点 + 1 个核心公式/机制） / Module C8: Summarize the main content (one paragraph + 5 bullets + one core formula/mechanism).\n\n【总结段落】本文提出一种基于多个立体相机、利用平面视图地图进行人员检测与跟踪的新方法。每台相机生成三种平面视图地图：占用图、高度图以及新提出的置信度图；置信度图依据立体误差模型记录每个单元信息的可靠程度。融合时，每个单元选取置信度最高的相机信息，从而生成全局占用图、高度图和置信度图。为实现多目标跟踪，采用多个独立的粒子滤波器（基于Condensation算法），每个目标一个跟踪器；观察模型综合占用、高度和置信度信息，并使用交互因子避免粒子汇聚丢失目标。当目标被完全遮挡时，算法通过动态增加粒子数和扩散范围来恢复跟踪。在三个真实场景（PEIS室、多相机室、走廊）中进行了实验，结果显示仅用40个粒子即可获得约0.15米的跟踪误差；对比实验表明，使用置信度图能显著降低因立体误差导致的“幻影”和跟踪误差。该方法有效解决了多相机融合、遮挡处理和立体误差影响等关键问题。\n\n【五个关键要点】1. 提出新型“置信度图”（confidence map），以高斯函数量化每个平面视图单元中立体信息的可靠性，并利用该图在多相机融合时选择最可靠的信息源。2. 采用平面视图地图（占用图、高度图、置信度图）作为中间表示，将三维点云降维到地面二维网格，便于多相机信息融合。3. 观察模型结合占用、高度和置信度三种概率分布，其中置信度使用“逆巴特沃斯分布”（inverse Butterworth distribution）建模，能够抑制低置信度区域的干扰。4. 多目标跟踪采用多个独立粒子滤波器，通过交互因子（高斯函数）避免粒子坍缩和“劫持”问题；遮挡时通过增大粒子数和扩散范围实现恢复。5. 实验表明：仅需40个粒子即可达到约0.15米的跟踪误差；在走廊场景中，使用置信度图比不使用时可减少最大近1米的跟踪误差。\n\n【核心机制】置信度图的核心公式为：\n\n$$\\mathbb{C}(Z_{cam}) = \\exp\\left(-\\frac{Z_{cam}^2}{2\\sigma_c^2}\\right), \\quad \\sigma_c = \\frac{Z_{\\max}}{3}, \\quad Z_{\\max} = \\frac{fb}{d_{\\min}}$$\n\n该函数根据相机到目标的距离 $Z_{cam}$ 分配0到1之间的置信度值，距离越近置信度越高。在多相机融合时，每个单元 $(x,y)$ 选择置信度最高的相机信息：\n\n$$\\mathbf{v}_{(x,y)} = \\underset{\\nu}{\\mathrm{argmax}}\\ \\mathcal{C}^{\\nu}_{(x,y)}$$\n\n然后将该相机的占用、高度、置信度值赋给全局地图，从而保留最可靠的信息，有效抑制远距离立体误差和虚假模式。\n\n\n## 模块 D：第二遍内容理解（方法结构/关键图表/实验） / Module D: Second Pass (method structure, key figures, experiments)\n\n### 1. 结构树\n\n**论文整体结构**（基于三遍阅读法中的第二遍）：\n\n- **标题/作者/摘要**：给出研究核心（多立体相机人员检测与跟踪，基于粒子滤波和平面视图地图）。\n- **1. 引言**：背景（单相机局限）、相关工作（单目、立体、平面视图地图、多元立体）、本文贡献（置信地图、多粒滤波器融合）。\n- **2. 立体平面视图地图**：\n  - 2.1 立体处理：三角测量原理、世界坐标系转换（图1）。\n  - 2.2 占用图、高度图、置信图：定义、计算公式、示例（图2）。\n  - 2.3 平面视图地图融合：基于置信图选取最可靠信息（图3）。\n- **3. 人员检测与跟踪**：\n  - 3.1 多粒子过滤：Condensation结构、交互因子、遮挡处理（图4）。\n  - 3.2 观测模型：占用、高度、置信三个高斯/逆巴特沃斯分布（图5、图6）。\n  - 3.3 进入/离开场景检测。\n- **4. 实验与讨论**：\n  - 4.1 性能评估：跟踪误差、粒子数影响（图7、图8-10）。\n  - 4.2 置信图影响：对比有无置信信息（图11、图12）。\n- **5. 结论**：总结贡献与实验结果。\n\n### 2. 方法/系统分解\n\n**输入**：多个（V个）立体相机的同步视频流（每个相机提供左右图像对）。\n**输出**：场景中每个人的2D位置（在平面视图地图中的坐标），即跟踪轨迹。\n\n**主要模块**：\n\n1. **背景建模与前景提取**：基于[^15]的混合高斯模型（颜色+深度），每像素提取前景像素，仅用前景点生成地图。\n2. **平面视图地图生成（每个相机）**：\n   - 占用图 O：每个单元格投影的3D点数，按距离缩放（式4）。\n   - 高度图 H：每个单元格最高点的高度（式5）。\n   - 置信图 C：每个单元格的平均置信度，基于高斯置信函数（式6-8）。\n3. **地图融合**：对每个单元格，从所有相机中选择置信度最高的那个相机的占用、高度、置信值作为全局地图值（式9-12）。\n4. **多粒子滤波跟踪**：\n   - 每个目标一个独立的Condensation粒子滤波器（状态为 [x,y]）。\n   - 运动模型：随机游走，高斯噪声 σm = 1/fps。\n   - 观测模型：结合占用似然 p_o、高度似然 p_h、置信似然 p_c（式26），三者乘积。\n   - 交互因子（式13）：避免粒子聚并，基于到最近其他目标的距离。\n   - 遮挡处理：若均值位置的似然低于阈值 π_min，则增大粒子数和噪声，持续丢失则终止。\n5. **人员进入/离开检测**：在已知入口区域用似然图找峰值，连续确认后新建跟踪器；若跟踪器进入该区域并连续丢失则删除。\n\n**训练/推理流程**：\n\n- 训练：无需离线训练，参数（μ_o=2500, σ_o=1000, μ_h=1.5m, σ_h=0.8m, f_c=0.15, n=2, δ=3cm, σ_m=1/fps, σ_dm=0.5m）基于经验设定。\n- 推理：每帧执行：前景提取→生成三个地图→融合→跟踪（预测、更新、重采样）→检测新目标→更新背景模型（排除跟踪中的人）。\n\n### 3. 重要图表解释\n\n**图2（a-e）**：展示单相机场景（a）的立体重建（b）、占用图（c）、高度图（d）和置信图（e）。说明：占用图灰度表示点数，高度图越暗越高，置信图白色表示低置信（远处），灰色表示高置信。此图直观体现三类地图的定义，为后续融合和观测提供基础。\n\n**图6（a-b）**：对比使用置信信息（a）和不使用置信信息（b）的似然图（式26应用于所有单元格）。图6a产生两个清晰模（对应两个人），而图6b出现四个模（两个“幻影”），表明置信信息能消除立体误差造成的假目标，提升跟踪可靠性。\n\n**图7**：跟踪误差（RMSE）随粒子数变化曲线。横轴为粒子数，纵轴为RMSE（米），显示误差随粒子数增加而减小，40粒子时误差约0.15米，之后无明显改善，据此选择40粒子作为折衷。\n\n### 4. 实验或评估细节\n\n**数据集**：三个真实场景，共10人参与，序列人数2-4人。\n\n- 场景1：PEIS房间（智能公寓），两个立体相机（天花板朝下4.5m，斜置3m）覆盖3×4m，7fps，320×240。\n- 场景2：三个立体相机（斜置，高3m）覆盖约4×4m，15fps，320×240。\n- 场景3：走廊（15m长），两个相机（高2m）分别位于两端，15fps，320×240。\n每个场景的立体匹配使用改进SAD带子像素插值。\n\n**评估指标**：\n\n- 跟踪误差：手动标注头部位置（共1103帧，4182个标注），计算估计位置与真值的欧氏距离。\n- RMSE：对10次随机种子取平均后的均方根误差。\n\n**对比目标**：无直接对比算法，主要对比自己有无置信信息的版本（消融实验）。\n\n**关键结果**：\n\n- 40粒子时RMSE约0.15m（图7）。\n- 背景去除耗时30ms，地图生成融合9ms，每个跟踪器（40粒子）2.5ms。\n- 无置信信息时，走廊场景跟踪误差最大差近1米（frame #360，图11）。\n\n**可复现性**：算法步骤和参数详细，但未公开代码和数据集，需根据描述实现。\n\n### 5. 适用论文类型的图示（方法流程图）\n\n```mermaid\ngraph TD\n    A[多立体相机同步图像] --> B[背景去除/前景提取]\n    B --> C[每个相机生成占用/高度/置信地图]\n    C --> D[按置信度融合为全局地图]\n    D --> E[多粒子滤波跟踪器]\n    E --> F[观测模型: 占用*高度*置信似然]\n    F --> G[交互因子避免聚并]\n    G --> H[遮挡检测与恢复]\n    H --> I[输出人员位置]\n    I --> J[检测新进入人员?]\n    J --> |是| K[新建跟踪器]\n    J --> |否| E\n    E --> L[更新背景模型]\n    L --> A\n```\n\n（注：流程图使用Mermaid语法，在JSON中作为字符串包含。）\n\n\n## 模块 E：第三遍深度审视（重建/假设/失败模式/审稿意见） / Module E: Third Pass (reconstruction, assumptions, failure modes, review)\n\n## 第三遍深入评审（Module E）\n\n### 1. 可重建性（Reconstructability）\n\n本方法可基于论文描述进行重建，但某些细节需自行实现或估计。主要流程如下：\n\n**系统配置**：\n\n- 使用多个立体相机对，相机同步（软件同步），输入为彩色/灰度图像对。\n- 通过棋盘格标定（OpenCV）获得内参和外参，将各相机坐标系转换到全局世界坐标系（地面平面上的原点）。（第2.1节，图2）\n\n**平面视图地图生成（每个相机）**：\n\n- 对每个相机计算视差图，得到三维点集 $P_{cam}$，转换为世界坐标 $P_w$。（第2.1节，公式1-2）\n- 设定网格单元大小δ=3cm，投影点至地面网格（公式3）。\n- 根据高度范围 $[h_{min}, h_{max}]$ 筛选点集合 $P_{(x,y)}$。（公式4）\n- 计算占用图 $\\mathcal{O}$：按公式5累加归一化面积（$\\frac{Z^2_{cam}}{f^2}$）。\n- 计算高度图 $\\mathcal{H}$：取每个单元最高点高度（公式6）。\n- 计算置信度图 $\\mathcal{C}$：对每个单元内所有点的置信度求平均（公式7），置信度函数为高斯函数（公式8），参数 $\\sigma_c = Z_{max}/3$，$Z_{max}=fb/d_{min}$，$d_{min}=3$。（第2.2节）\n\n**地图融合**：\n\n- 对每个相机生成的三类图，通过逐单元选择置信度最高的相机信息进行融合，得到全局占用图 $\\mathbb{O}$、高度图 $\\mathbb{H}$ 和置信度图 $\\mathbb{C}$（公式10-13）。\n\n**前景分割**：\n\n- 采用混合高斯背景模型（颜色+深度）提取前景像素，仅用前景点生成地图。（第3节首段）\n\n**多目标跟踪**：\n\n- 每个目标一个独立的粒子滤波器（Condensation算法）。状态向量为 $X(t)=[x(t), y(t)]^T$（地图坐标）。\n- 运动模型：随机游走，噪声标准差 $\\sigma_m = 1/fps$（公式12）。\n- 粒子权重：$\\pi_j(t) = \\mathcal{I}_j(t) \\cdot p(Z(t)|s_j(t))$，其中 $\\mathcal{I}_j$ 为交互因子（公式13），$p(Z|s)$ 为观测似然。\n- 观测模型：结合占用似然 $p_o$（高斯均值μ_o=2500, σ_o=1000）、高度似然 $p_h$（高斯均值μ_h=1.5m, σ_h=0.8m）和置信度似然 $p_c$（逆巴特沃斯分布，f_c=0.15, n=2）。三者相乘得到总似然（公式18-27）。\n- 遮挡处理：当均值位置似然 $\\pi_{\\mathcal{E}[S(t)]}$ 低于阈值 $\\pi_{min}$ 时，认为遮挡发生，逐步增加粒子数量和噪声标准差（每次5%），若连续多帧未恢复则终止跟踪器。（第3.1节）\n- 进入/离开检测：在已知入口区域应用观测模型寻找峰值，超过阈值且连续多帧出现才创建新跟踪器；离开时跟踪器在入口区域消失多帧后删除。（第3.3节）\n\n**伪代码概要**：\n\n```text\n对于每个相机：\n  计算视差图 → 三维点云 → 投影到平面视图地图（占用、高度、置信度）\n融合各相机地图：逐单元取置信度最大的相机信息\n初始化：入口区域检测峰值，创建粒子滤波跟踪器\n每帧：\n  提取前景（背景模型）\n  更新地图（只使用前景点）\n  融合地图\n  对每个跟踪器：\n    重采样（按累积权重） → 传播（随机游走） → 计算权重（观测似然×交互因子） → 估计均值位置\n    检查遮挡（均值似然<阈值） → 调整粒子数和噪声\n  检测新目标（在入口区域找峰值） → 更新跟踪器列表\n  更新背景模型（不包括被跟踪人的像素）\n```\n\n**实现要点**：论文提供了关键参数（δ=3cm, μ_o, σ_o, μ_h, σ_h, f_c, n, σ_dm=0.5m, π_min未明确），但背景模型、立体匹配算法（改进的SAD）细节未完全公开，需要自行实现或选用类似方法。\n\n### 2. 假设（Assumptions）\n\n- 所有相机均经过标定，共享同一世界坐标系（地面平面）。（第2.1节）\n- 人在地面平面上移动，仅需2D位置即可完成跟踪；人的高度和宽度有先验范围（如高度μ_h=1.5m，宽度σ_dm=0.5m）。（第3.1、3.2节）\n- 每个目标由一个独立的粒子滤波器跟踪，目标之间存在不重叠的概率假设（通过交互因子处理）。\n- 占用、高度和置信度似然相互独立，总似然为三者乘积（公式26）。（第3.2节）\n- 灰度/深度信息对光照变化鲁棒，但背景模型假设背景静态或缓慢变化，且跟踪中的人不计入背景更新。（第3节）\n- 粒子滤波器的随机噪声符合高斯分布，且人的移动为随机游走（速度约1m/s）。\n\n### 3. 失败模式或盲点（Failure modes / blind spots）\n\n- **完全遮挡持续过久**：当目标被所有相机同时遮挡超过最大帧数时，跟踪器会终止，无法恢复目标身份（第3.1节）。论文未明确最大帧数，实际需要估计。\n- **立体匹配失败区域**：在缺乏纹理的区域（如纯色墙壁），视差图可能缺失，导致占用/高度图空洞，观察似然降低，可能丢失目标（第2.1节提及“缺乏纹理”）。\n- **非线性光照变化**：虽然深度对光照变化相对不敏感，但颜色背景模型可能受影响，若光照剧烈变化，前景分割可能失败（论文未详细讨论）。\n- **人群密集场景**：当多个目标非常接近时，交互因子虽减缓粒子凝聚，但观测模型可能产生单峰，导致身份混淆（第3.1节提到凝聚问题，但未充分验证极端密集情况）。\n\n### 4. 优点和缺点（Strengths and weaknesses）\n\n**优点**：\n\n- **多相机融合策略**：基于置信度图选择最可靠相机信息，有效减少融合误差，提高鲁棒性（第2.3、4.2节，图12）。\n- **计算效率高**：实验表明仅需40个粒子（误差约0.15m），每个跟踪器计算仅2.5ms，适合实时应用（第4.1节）。\n- **遮挡处理机制**：通过似然阈值检测全遮挡，动态增加粒子数量和扩散范围，能够恢复跟踪（第3.1节，图10）。\n- **方法可扩展性**：可方便加入颜色地图以增强区分度（第2.2节末尾）。\n\n**缺点**：\n\n- **参数依赖性强**：多个关键参数（μ_o=2500, σ_o=1000, μ_h=1.5, σ_h=0.8, f_c=0.15, n=2）通过实验调优，缺乏自适应调整机制，在不同环境需要重新校准。\n- **背景模型假设**：依赖背景模型（混合高斯），在动态背景或相机移动时失效。\n- **手工标注评估**：定位误差基于人工标注头部位置（第4.1节），可能引入主观误差。\n- **未开源**：论文未提供代码或数据集，复现和对比困难。\n\n### 5. 下一步研究方向（Next-step research directions）\n\n- **自适应参数估计**：研究如何根据场景自动调整观测模型参数（如μ_o、σ_o、f_c等），减少人工调参。\n- **结合深度学习方法**：利用现代深度神经网络替代手工设计特征和背景模型，提升检测和跟踪精度，同时利用平面视图地图的多视图融合优势。\n- **处理动态相机**：扩展至移动机器人或动态相机平台，摆脱固定相机的限制。\n- **目标长期重识别**：当目标完全丢失后，设计重识别机制以恢复跟踪，避免永久丢失身份。\n\n\n## 模块 F：术语表与概念依赖图 / Module F: Glossary and Concept Map\n\n## 术语表（Glossary）\n\n1. **Plan-view map（平面视图地图）**：将三维空间信息投影到地面平面（floor plane）的二维网格表示。每个单元格固定大小（本论文δ=3cm），用于简化立体数据并保留空间信息。**直觉**：类似于从上往下的俯视图，将人员位置简化到二维坐标。**在论文中的作用**：核心表示，用于将多个立体相机的信息融合并用于跟踪。**前置知识**：三维坐标投影、网格化。\n\n2. **Occupancy map（占用图）**：记录每个单元格内投影的三维点数量（或加权面积）的平面视图地图。**直觉**：显示每个区域有多少物体占据。**在论文中的作用**：用于检测人员存在的区域，是观察模型的一部分。**前置知识**：立体视觉、点云投影。\n\n3. **Height map（高度图）**：记录每个单元格内最高点的Y坐标（高度）的平面视图地图。**直觉**：显示每个区域物体的高度。**在论文中的作用**：帮助区分人员与其他物体，用于观察模型。**前置知识**：三维坐标系统。\n\n4. **Confidence map（置信度图）**：论文新提出的地图，记录每个单元格内立体信息的可靠程度，由点距相机的距离决定。**直觉**：距离相机越远，立体误差越大，置信度越低。**在论文中的作用**：用于融合多个相机信息时选择最可靠的信息，并用于观察模型，减少跟踪误差。**前置知识**：立体误差模型、概率。\n\n5. **Particle filter（粒子滤波器）**：一种基于蒙特卡洛采样的贝叶斯滤波方法，用一组加权粒子来近似后验分布。**直觉**：用随机样本（粒子）猜测目标位置，并根据观测调整权重。**在论文中的作用**：用于每个目标的跟踪，采用多粒子滤波器（MPF）。**前置知识**：贝叶斯定理、蒙特卡洛方法、状态空间模型。\n\n6. **Condensation algorithm（凝聚算法）**：一种粒子滤波实现，通过选择、传播、加权来跟踪目标。**直觉**：粒子由旧粒子重采样并加上噪声传播。**在论文中的作用**：作为独立跟踪器的基础结构（见图4）。**前置知识**：粒子滤波、重采样。\n\n7. **Stereo vision（立体视觉）**：使用两个相机（或更多）获取深度信息，通过三角测量计算三维坐标。**直觉**：模拟人眼视差，获取距离。**在论文中的作用**：提供三维点云，用于生成平面视图地图。**前置知识**：相机标定、视差、三角测量。\n\n8. **Disparity（视差）**：左右图像中对应点的水平位移。**直觉**：物体越近视差越大。**在论文中的作用**：用于计算深度Z = fb/d。**前置知识**：立体匹配。\n\n9. **Depth（深度）**：点到相机的距离（Z坐标）。**直觉**：三维坐标的一个分量。**在论文中的作用**：用于重建三维点，并用于背景建模。**前置知识**：立体视觉。\n\n10. **Matched points（匹配点）**：立体匹配算法能够确定对应关系的点。**直觉**：有纹理的点才能匹配。**在论文中的作用**：构成三维点集，用于投影到地图。**前置知识**：立体匹配。\n\n11. **Background model（背景模型）**：使用颜色和深度信息的混合高斯模型来分离前景和背景。**直觉**：学习静态背景，提取移动物体。**在论文中的作用**：提取前景像素，仅用前景点生成地图，并防止跟踪中的人被当成背景。**前置知识**：混合高斯模型、像素分类。\n\n12. **Foreground pixels（前景像素）**：不属于背景模型的像素。**直觉**：移动的物体或人。**在论文中的作用**：用于生成平面视图地图，减少计算量。**前置知识**：背景建模。\n\n13. **Observation model（观测模型）**：计算给定状态（粒子位置）下观测到的概率密度p(Z|s)。**直觉**：判断粒子位置是否与观测一致。**在论文中的作用**：结合占用、高度和置信度信息来计算粒子权重。**前置知识**：概率密度函数、贝叶斯。\n\n14. **Multiple particle filters (MPF)（多粒子滤波器）**：为每个目标使用一个独立的粒子滤波器，通过交互因子避免粒子坍缩。**直觉**：每个目标有自己的粒子群，互不干扰。**在论文中的作用**：跟踪多个人，避免粒子“劫持”。**前置知识**：粒子滤波、多目标跟踪。\n\n15. **Coalescence problem（合并问题）**：多个粒子的粒子群坍缩到同一个模式，导致丢失多个目标。**直觉**：粒子“挤”到一起。**在论文中的作用**：通过交互因子防止。**前置知识**：粒子滤波、多目标跟踪。\n\n16. **Interaction factor（交互因子）**：根据粒子到其他目标的距离调整粒子权重，避免粒子靠近其他目标。**直觉**：粒子太靠近其他目标时权重降低。**在论文中的作用**：维持多模式，防止合并。**前置知识**：高斯函数、距离度量。\n\n17. **Occlusion detection and recovery（遮挡检测与恢复）**：当粒子的平均位置似然低于阈值时，认为目标被完全遮挡，然后增加粒子数和噪声扩散范围，尝试重新找到目标。**直觉**：丢失目标后扩大搜索范围。**在论文中的作用**：处理全部相机都看不到目标的情况。**前置知识**：粒子滤波器、阈值。\n\n18. **Inverse Butterworth distribution（逆巴特沃斯分布）**：论文定义的用于置信度的概率分布，当置信度低于截止值fc时概率很低，高于fc时概率高。**直觉**：对低置信度信息进行惩罚。**在论文中的作用**：计算置信度似然p_c。**前置知识**：巴特沃斯滤波器、概率分布。\n\n19. **RMSE (Root Mean Square Error)（均方根误差）**：衡量估计位置与真实位置之间误差的统计量。**直觉**：平均误差的平方根。**在论文中的作用**：用于评估跟踪精度（图7）。**前置知识**：统计。\n\n20. **Plan-view map merging（平面视图地图融合）**：将每个相机生成的三类地图合并成全局地图，每个单元格取置信度最高的相机信息。**直觉**：选择最可靠的信息。**在论文中的作用**：整合多相机信息，解决遮挡和误差。**前置知识**：置信度地图。\n\n21. **Stereo error model（立体误差模型）**：根据距离将置信度定义为高斯函数，误差随距离增大而增大。**直觉**：远距离的点不可靠。**在论文中的作用**：用于计算置信度图，影响融合和观察。**前置知识**：立体测量误差。\n\n22. **Cell size δ（单元格尺寸）**：平面视图地图中每个单元格的物理尺寸，论文取3cm。**直觉**：分辨率与计算量的平衡。**在论文中的作用**：决定地图精度和存储。**前置知识**：分辨率。\n\n23. **Height range [h_min, h_max]（高度范围）**：投影时排除低于h_min和高于h_max的点，避免地板和天花板噪声。**直觉**：只保留人体高度范围内的点。**在论文中的作用**：提高地图质量。**前置知识**：三维点过滤。\n\n24. **Particle weight（粒子权重）**：每个粒子的重要性系数，由观测似然和交互因子共同决定。**直觉**：表示粒子位置的可能性。**在论文中的作用**：用于估计目标位置。**前置知识**：粒子滤波。\n\n25. **Random walk movement model（随机游走运动模型）**：目标运动假设为随机游走，状态转移加上高斯噪声。**直觉**：人走路方向随机。**在论文中的作用**：预测粒子下一位置。**前置知识**：运动模型、高斯噪声。\n\n26. **Gaussian distribution（高斯分布）**：用于描述占用度、高度等变量的概率分布。**直觉**：一般测量误差近似正态。**在论文中的作用**：定义p_o和p_h。**前置知识**：概率统计。\n\n27. **Butterworth filter（巴特沃斯滤波器）**：一种信号滤波器，此处被逆用为概率密度。**直觉**：平滑过渡。**在论文中的作用**：设计逆巴特沃斯分布。**前置知识**：信号处理。\n\n28. **Phantom modes（幻影模式）**：由于立体误差在似然图中产生的虚假峰值，可能误导跟踪。**直觉**：假的目标。**在论文中的作用**：置信度地图可以消除幻影（见图6）。**前置知识**：立体误差。\n\n29. **Candidate detections（候选检测）**：在入口区域检测到的峰值，需要连续多帧出现才确认人员进入。**直觉**：防止误检。**在论文中的作用**：人员进入检测。**前置知识**：峰值检测。\n\n30. **Tracker initialization（跟踪器初始化）**：当候选检测被确认后，创建一个新的粒子滤波器。**直觉**：新目标出现。**在论文中的作用**：系统自动添加跟踪器。**前置知识**：粒子滤波。\n\n31. **Interaction with robots（机器人交互）**：应用场景如PEIS room，用于机器人感知。**直觉**：机器人需要知道人的位置。**在论文中的作用**：展示实际应用。**前置知识**：机器人学。\n\n32. **Plan-view map fusion策略**：基于置信度选择每个单元格的最可靠信息，而不是简单平均。**直觉**：相信最好的相机。**在论文中的作用**：核心融合机制。**前置知识**：置信度。\n\n33. **Parameter estimation（参数估计）**：论文中通过实验确定μ_o, σ_o, μ_h, σ_h, f_c, n等参数。**直觉**：需要调参。**在论文中的作用**：使算法可用。**前置知识**：实验设计。\n\n34. **Computational cost（计算开销）**：背景移除30ms，地图创建9ms，每个跟踪器2.5ms。**直觉**：算法实时性。**在论文中的作用**：证明实用性。**前置知识**：时间复杂度。\n\n35. **Multiple camera synchronization（多相机同步）**：软件同步多个相机采集。**直觉**：同一时间获取图像。**在论文中的作用**：实验设置。**前置知识**：相机硬件。\n\n## 概念依赖图（Concept Dependency Map）\n\n```text\nStereo vision (disparity, depth) → 3D points (matched points) → Plan-view maps (occupancy, height, confidence) → Map merging (using confidence) → Global maps → Observation model (based on occupancy, height, confidence) → Particle filter (MPF) → Tracking (coalescence prevention via interaction factor, occlusion handling) → Detection of people entering/leaving → Experiments (RMSE evaluation)\n\n依赖关系：\n- Plan-view maps 依赖 Stereo vision 的3D点投影。\n- Confidence map 依赖 Stereo error model（距离的置信度函数）。\n- Map merging 依赖 Confidence map 选择最可靠信息。\n- Observation model 依赖三个全局地图（Global maps）。\n- Particle filter 依赖 Observation model 计算权重，还依赖 Interaction factor 避免合并。\n- Occlusion handling 依赖 Particle filter 的似然阈值。\n- Detection 依赖 Observation model 的似然峰值。\n- Tracking 的精度用 RMSE 评估。\n```\n\n\n\n\n## 模块 G：联网核验与引用校对 / Module G: Verification and Citation Check\n\n### 模块G：验证与引用检查\n\n#### 1. 关键事实声明（关键声明及双重来源）\n\n- **声明：本文提出了一种结合占用图、高度图和新型置信度图的多立体相机人员检测与跟踪方法。**\n  - 来源1：摘要（第1段）中明确表述“我们提出使用三种不同的平面视图图……我们还提出了一种新颖的置信度图……然后提出用于跟踪的粒子滤波算法”。\n  - 来源2：引言第1.1节“提出的贡献”中明确说明“对于每个立体相机，我们创建三种不同的平面视图图……我们定义了一种称为置信度图的新图”，以及“我们提出了一种观察模型，结合占用、高度和置信度信息”。\n\n- **声明：通过融合各相机中最可靠的信息（基于置信度）来生成全局地图。**\n  - 来源1：第2.3节“平面视图图合并”指出“合并后的地图在每个单元格中包含最可靠的信息”，并给出公式（10）-（12）用于选择置信度最高的地图。\n  - 来源2：结论部分（第5节）再次强调“融合是通过在每个单元格中保留最可靠的信息，即来自置信度更高的地图的信息”。\n\n- **声明：粒子滤波器使用交互因子避免合并问题，并具有遮挡检测与恢复机制。**\n  - 来源1：第3.1节“多重粒子滤波”中提到“交互因子……用于根据粒子与其他目标的距离修改其权重”，以及“当检测到遮挡时，跟踪器逐步增加粒子数和σ_m以恢复”。\n  - 来源2：结论部分提到“为了保持多模态，粒子采用交互因子以避免合并问题……提出的算法还包括遮挡检测和恢复机制”。\n\n- **声明：实验在三个不同场景进行，结果表明使用40个粒子时误差约为0.15米。**\n  - 来源1：第4.1节“性能评估”中说明“我们在三个不同场景记录了视频序列……在40个粒子时误差为0.15米”。\n  - 来源2：第5节结论中重申“实验结果表明，仅使用40个粒子即可实现可靠跟踪，误差约为0.15米”。\n\n- **声明：不使用置信度信息会导致跟踪误差显著增加，尤其在走廊场景远端。**\n  - 来源1：第4.2节“置信度图的影响”中图11显示帧#360处误差差异接近1米。\n  - 来源2：第5节结论总结“测试表明，使用提出的置信度图可以通过利用最可靠相机的信息降低跟踪误差”。\n\n#### 2. 冲突或不确定性注释\n\n- **来源一致性与不确定性：** 论文中所有关键声明均来自同一篇论文的多个部分（摘要、引言、方法、实验、结论），不存在内部矛盾。然而，论文未提供代码或数据集，因此数值结果（如误差0.15米）无法独立验证，属于作者汇报结果。\n- **参数设定不确定性：** 占用概率分布参数（μ_o=2500，σ_o=1000）和高度概率分布参数（μ_h=1.5m，σ_h=0.8m）在文中声明为“实验确定”，但未说明具体调参过程，可能存在未报告的不确定性。\n- **立体误差模型：** 置信度函数采用高斯形式（σ_c=Z_max/3），其中Z_max由最小视差d_min=3计算得出，该选择是经验性的，论文未提供敏感性分析。\n- **与其他工作的关系：** 论文声称与之前仅使用单立体相机的研究相比（如作者自己的[^27]），本工作扩展至多相机并引入置信度图，但未提供量化对比实验来直接证明相对旧方法的改进幅度。\n\n#### 3. 参考列表（论文中引用的关键文献）\n\n1. D. Beymer, Person counting using stereo, in: Intl. Workshop on Human Motion, 2000, pp. 127–133.\n2. M.Z. Brown, D. Burschka, G.D. Hager, Advances in computational stereo, IEEE TPAMI 25 (2003) 993–1008.\n3. N. Checka, K. Wilson, V. Rangarajan, T. Darrell, A probabilistic framework for multi-modal multi-person tracking, CVPR Workshop, 2003, pp. 100–107.\n4. C. Hue, J.L. Cadre, P. Perez, Sequential monte carlo methods for multiple target tracking and data fusion, IEEE TSP 50 (2002) 309–325.\n5. R. Cipolla, M. Yamamoto, Stereoscopic tracking of bodies in motion, Image and Vision Computing 8 (1990) 85–90.\n6. T. Darrell et al., Plan-view trajectory estimation with dense stereo background models, ICCV 2001, vol. 2, pp. 628–635.\n7. T. Darrell, G. Gordon, M. Harville, J. Woodfill, Integrated person tracking using stereo, color, and pattern detection, IJCV 37 (2000) 175–185.\n8. W. Du, J. Piater, Tracking by cluster analysis of feature points and multiple particle filters, IEEE AVSS 2005, pp. 165–170.\n9. J.-O. Eklundh, P. Nordlund, T. Uhlin, Issues in Active Vision: Attention and Cue Integration/selection, BMVC 1996, pp. 1–12.\n10. D. Franklin et al., Happy patrons make better tippers: Creating a robot waiter using Perseus and the animate agent architecture, FG 1996, pp. 14–16.\n11. N. Gordon, D. Salmand, Bayesian state estimation for tracking and guidance using the bootstrap filter, Journal of Guidance, Control Dynamics 18 (1995) 1434–1443.\n12. I. Haritaoglu, D. Harwood, L.S. Davis, W4: real-time surveillance of people and their activities, IEEE TPAMI 22 (2000) 809–830.\n13. M. Harville, Stereo person tracking with adaptive plan-view templates of height and occupancy statistics, Image and Vision Computing 2 (2004) 127–142.\n14. M. Harville, L. Dalong, Fast, integrated person tracking and activity recognition with plan-view templates from a single stereo camera, CVPR 2004, pp. 398–405.\n15. M. Harville, G. Gordon, J. Woodfill, Foreground segmentation using adaptive mixture models in color and depth, IEEE Workshop on Detection and Recognition of Events in Video, 2001, pp. 3–11.\n16. K. Hayashi et al., Multiple-person tracker with a fixed slanting stereo camera, FG 2004, pp. 681–686.\n17. K. Hayashi et al., Multiple-person tracking using a plan-view map with error estimation, LNCS 3851 (2006) 359–368.\n18. Intel, OpenCV: Open source Computer Vision library, <http://www.intel.com/research/mrl/opencv/>.\n19. M. Isard, A. Blake, Contour tracking by stochastic propagation of conditional density, ECCV 1996, pp. 343–356.\n20. M. Isard, A. Blake, CONDENSATION—conditional density propagation for visual tracking, IJCV 29 (1998) 5–28.\n21. R.E. Kahn et al., Gesture recognition using the Perseus architecture, CVPR'96, pp. 734–741.\n22. Z. Khan, T. Balch, F. Dellaert, MCMC-based particle filtering for tracking a variable number of interacting targets, IEEE TPAMI 27 (2005) 1805–1819.\n23. G. Kitagawa, Monte Carlo filter and smoother for non-gaussian nonlinear state space models, Journal of Computational and Graphical Statistics 5 (1996) 1–25.\n24. J. Krumm et al., Multi-camera multi-person tracking for easyliving, Third IEEE International Workshop on Visual Surveillance, 2000, pp. 3–10.\n25. R. Lundh, L. Karlsson, A. Saffiotti, Dynamic self-configuration of an ecology of robots, IROS 2007, pp. 3403–3409.\n26. A. Mittal, L.S. Davis, M2 tracker: A multi-view approach to segmenting and tracking people in a cluttered scene, IJCV 53 (2001) 189–203.\n27. R. Muñoz Salinas, A bayesian plan-view map based approach for multiple-person detection and tracking, Pattern Recognition 41 (2008) 3665–3676.\n28. R. Muñoz Salinas, E. Aguirre, M. García-Silvente, People detection and tracking using stereo vision and color, Image and Vision Computing 25 (2007) 995–1007.\n29. R. Muñoz Salinas, M. García-Silvente, R. Medina-Carnicer, Adaptive multi-modal stereo people tracking without background modelling, Journal of Visual Communication and Image Representation 19 (2008) 75–91.\n30. R. Muñoz Salinas et al., Depth silhouettes for gesture recognition, Pattern Recognition Letters 29 (2008) 319–329.\n31. K. Okuma et al., A Boosted Particle Filter: Multi Target Detection and Tracking, LNCS 3021 (2004) 28–39.\n32. J. Vermaak, A. Doucet, P. Perez, Maintaining multimodality through mixture tracking, ICCV 2003, pp. 1110–1116.\n33. J. Vermaak, S.J. Godsill, P. Perez, Monte carlo filtering for multi-target tracking and data association, IEEE Transactions on Aerospace and Electronic Systems 41 (2005) 309–332.\n34. T. Zhao et al., Real-time wide area multi-camera stereo tracking, CVPR 2005, pp. 976–983.\n\n\n\n## 模块 H：图表与表格抽取（索引/打分/深读） / Module H: Figure/Table Mining (index, scoring, top deep dive)\n\n## Module H: 图表提取\n\n### 1. 全部图表索引\n\n文档包含 **12 张图**，无表格。表格仅作为展示图像帧的布局，不属于数据表。\n\n| 编号 | 标题/说明 | 类型 | 位置 | 支撑结论 | 优先级评分 (1-5) |\n|------|-----------|------|------|----------|------------------|\n| Fig. 1 | 最小立体视觉系统（两摄像头）示意 | 示意图 | 第2.1节，图1 | 用于解释立体视觉基本原理（深度=fb/d） | 2 |\n| Fig. 2 | (a) 参考图像 (b) 3D重建 (c) 占用图 (d) 高度图 (e) 置信度图 | 结果图 | 第2.2节，图2 | 展示三种plan-view地图的生成结果，说明地图定义与可视化 | 4 |\n| Fig. 3 | (a,b) 相机图像 (c,d) 占用图 (e) 融合占用图 (f,g) 置信度图 (h) 融合置信度图 | 结果图 | 第2.3节，图3 | 展示多相机融合的效果，说明立体误差及置信度图的必要性 | 4 |\n| Fig. 4 | 独立粒子滤波器跟踪器结构 | 算法框图 | 第3.1节，图4 | 描述粒子滤波算法的流程（Condensation） | 3 |\n| Fig. 5 | 逆Butterworth分布不同参数下的形状 | 理论图 | 第3.2节，图5 | 支撑置信度概率密度函数的定义 | 3 |\n| Fig. 6 | (a) 使用置信度信息的似然图 (b) 不使用置信度信息的似然图 | 结果图 | 第3.2节，图6 | 表明置信度信息消除“幻影”模式，降低跟踪错误 | 5 |\n| Fig. 7 | 跟踪误差随粒子数变化 | 曲线图 | 第4.1节，图7 | 支撑40个粒子误差0.15m的结论，确定粒子数选择 | 5 |\n| Fig. 8 | PEIS房间中三人交互、坐、走动的跟踪结果 | 结果图 | 第4.1节，图8 | 展示在第一个场景下的有效跟踪 | 3 |\n| Fig. 9 | 四人随机移动、坐下的频繁遮挡场景 | 结果图 | 第4.1节，图9 | 展示在第二个场景下对频繁遮挡的鲁棒性 | 4 |\n| Fig. 10 | 四人在走廊中移动造成严重遮挡 | 结果图 | 第4.1节，图10 | 展示在走廊场景下对严重遮挡的恢复能力 | 4 |\n| Fig. 11 | 跟踪误差差异（不使用置信度 - 使用置信度） | 曲线图 | 第4.2节，图11 | 支撑置信度地图降低跟踪误差（最大近1m） | 5 |\n| Fig. 12 | 单人从走廊一端到另一端，上排用置信度，下排不用置信度 | 对比图 | 第4.2节，图12 | 直观展示置信度地图消除立体误差噪声 | 5 |\n\n### 2. 优先深度阅读（3-5项）\n\n1. **Fig. 6** - 直接对应核心贡献（置信度地图）的作用，显示有无置信度时的似然图差异，清晰说明“幻影”问题如何被解决。\n2. **Fig. 7** - 量化性能，给出粒子数与误差的关系，确定最佳粒子数（40个，0.15m），是实验结论的关键证据。\n3. **Fig. 11 & 12** - 联合展示置信度地图在单人走廊场景中的实际效果，误差差异最高接近1m，是论文宣称“显著降低跟踪误差”的直接支撑。\n4. **Fig. 3** - 展示多相机融合前后占用图和置信度图，说明融合策略基于置信度，以及立体误差的影响，是理解方法前提的重要基础。\n5. **Fig. 2** - 直观定义三种地图的可视化形式，对理解后续的观测模型至关重要。\n\n### 3. 图关系或实验设置图\n\n论文未提供整体系统流程或实验设置示意图，但可归纳出如下关系（用文字描述）：\n\n```text\n多立体相机 → 各相机生成占用图、高度图、置信度图 → 按置信度融合为全局地图 → 输入粒子滤波器（观测模型使用三类信息）→ 检测与跟踪\n```\n\n实验设置分为三个场景：\n\n- **场景1（PEIS房间）**：2个立体相机（天花板向下4.5m，倾斜3m），覆盖3×4m，7fps，320×240。\n- **场景2**：3个立体相机（3m高，倾斜），覆盖4×4m，15fps，320×240。\n- **场景3（走廊）**：2个立体相机（2m高，相对两端），15m长走廊，15fps。\n\n### 4. 图/表到结论的映射\n\n| 结论/主张 | 依据图表 |\n|-----------|----------|\n| 占用图、高度图、置信度图表示立体信息 | Fig. 2 |\n| 多相机融合保留最可靠信息 | Fig. 3 |\n| 置信度信息消除“幻影”模式，提高跟踪准确性 | Fig. 6, Fig. 11, Fig. 12 |\n| 用40个粒子可达到0.15m的RMSE误差 | Fig. 7 |\n| 方法在真实场景中对多人和遮挡具有鲁棒性 | Fig. 8, Fig. 9, Fig. 10 |\n| 置信度地图将走廊场景中的跟踪误差降低最多约1m | Fig. 11, Fig. 12 |"
}