{
  "paper_id": "d94e56d2272ea3f42d8db4686e2f9582",
  "paper_title": "3D Cameras Benchmark for Human Tracking in Hybrid Distributed Smart Camera Networks",
  "paper_authors": [
    "Andres Burbano",
    "Marius Vasiliu",
    "Samir Bouaziz"
  ],
  "publication_date": "",
  "publication_venue": "Proceedings of the 10th International Conference on Distributed Smart Camera",
  "abstract": "This article presents a comparison between the different types of depth sensors that are currently on the market after the unavailability of the PrimeSense technology. Several academic research projects in 3D computer vision use this sensor technology. In order to find a substitution to this camera in terms of quality and price, we developed a study of the available 3D geometric sensors that can be used in real-time and low-cost applications. This work is part of our SHuKB SDK for detecting and counting people in hybrid smart camera networks. Our main contribution pertains to the quantitative and qualitative assessment of the accessible sensors on the market to improve products identification, close to our needs and provide feasible replacements. This objective intends to avoid the consequences of a sudden loss of sensor products, such as the PrimeSense sensor. This assessment is based on a set of properties and relevant features for people detection and sensing. We present the results of this study and provide an analysis of the different 3D sensors, along with our vision of their fields of application, focused on the smart camera networks and people tracking.",
  "keywords": [
    "3D Sensing",
    "Depth images",
    "Stereo camera",
    "Human Detection",
    "Smart Camera Network"
  ],
  "paper_institutions": [
    "SATIE - CNRS UMR 8029",
    "Paris-Sud University, Paris-Saclay University, France",
    "R&D, Shopline Electronic, 78220, Viroflay, France"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:46:16.577375Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对PrimeSense技术停产后市场上可用的3D深度传感器进行了系统性的比较与评估，旨在为混合分布式智能相机网络中的人员检测与追踪寻找合适的替代方案。研究基于对多种相机（包括ASUS Xtion Pro、Intel R200、Etron eSP870、Parrot Kalamos等）的技术规格、SDK支持及实际性能的定量与定性分析，设计了三个核心实验：时间深度稳定性（利用RMSE和全局信号稳定性GSS度量）、深度测量精度与准确度（对比估计深度与真实距离的误差），以及人检测可靠性（在向下视角下比较深度像素与真实像素比例）。实验环境为室内静态场景，测试分辨率为640x480，帧率30fps（Etron为15fps），并假设采集期间环境无重大变化。结果表明，Xtion Pro在深度稳定性上表现最佳（GSS=0.77mm），而Etron eSP870在整体性能上最接近Xtion Pro，具备较高的人检测可靠性（15%的像素损失仍可分割头肩），成功集成到实际计数追踪系统中。此外，本文还开发了I/O接口和快速相机表征工具包（FCCT），以简化新相机的集成流程。未来可探索更多环境（如室外）下的性能验证，并扩展该框架至更多传感器类型。实际应用中，该评估支持智能家居、医疗健康、手势控制、机器人导航等场景，但需考虑相机视场、功耗和计算资源等约束。核心机制是通过三个实验流程的综合评价，确定相机的适用性，其关键公式为RMSE(p)和GSS，用于量化深度信号的时序稳定性。\n### 关键要点\n- 文章针对PrimeSense技术停产的背景，提出了对市场替代3D深度传感器的评估方法，核心目标是找到性价比高且适用于智能相机网络的传感器。\n- 评估了九种相机，包括ASUS Xtion Pro、Kinect v2、Intel SR300/R200、University of Bologna相机、Etron eSP870、Parrot Kalamos、Sony PS4eye和Stereolabs ZED，并比较了其技术规格、SDK支持和兼容性。\n- 实验设置包括室内静态场景，测试分辨率为640x480，帧率30fps，但Etron在Linux下仅支持15fps；相机曝光和自动增益在采集前已稳定。\n- 第一个实验评估时间深度稳定性，通过计算1800帧的RMSE和GSS（全局信号稳定性）指标，发现Xtion Pro最稳定（GSS=0.77mm），而Parrot最不稳定（GSS=20.64mm）。\n- 第二个实验通过沿正交轴移动传感器并测量与墙壁距离，评估深度精度和准确度，误差Es定义为平均测量深度与手动真实距离之差；结果显示不同相机在远距离上的误差随距离增加而增大。\n- 第三个实验在向下视角下评估人检测可靠性，通过比较深度图像中人体像素与实际像素的比率（Pa/Px），发现Etron在检测中表现最佳，即使像素较少也能分割头肩。\n- 结果显示，Etron相机在整体性能上最接近Xtion Pro，成为最合适的替代方案，并已成功集成到人计数追踪系统中。\n- Intel R200在平面上的深度测量不稳定，且远处测量噪声增大，导致无效像素增多；Parrot相机因视场变形和深度图分块（10x10像素）而难以精细检测人体。\n- 实验还评估了视角和人体方向对检测的影响，发现中心位置存在自遮挡，但外部区域（相机网络的重叠区）能获得更多像素，有利于目标交接。\n- 实施部分介绍了开发的I/O接口和快速相机表征工具包（FCCT），采用C++和面向对象设计，允许通过单一测试程序评估不同相机，并提供了图形用户界面。\n- 根据实验与应用场景的匹配度，生成了Table 6评估表，推荐了各相机在智能相机、健康、手势控制、机器人等领域的适用性，例如Parrot适合户外和嵌入式，而ZED适合机器人导航。\n- 本文的贡献包括建立了一种可重复的深度传感器表征方法论，以及提供了开源工具包，以加速未来新相机的集成与评估。"
}