Loading...
Publication
Motion tracking methodologies
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.15 MB | Adobe PDF |
Advisor(s)
Abstract(s)
Is it possible to improve motion tracking accuracy and reliability by changing the tracking method depending on the environment? In motion tracking, the techniques to find a target in each environment have been increasing in parallel to the technology used to accomplish this task. With each of them improving, there are still some that are better than others, when taking into consideration the goal and the environment. This paper aims to create a framework that can help with the selection process to find out which motion tracking method fits better depending on the environment, its conditions and the target. This study uses data from other research, papers and articles, considering the environment in which it was tested and its conditions, as well as the overall capability of the method in question when introduced with different variables and in different scenarios. Categorizing motion tracking methods and understanding their capabilities in various scenarios provides many benefits in optimizing the selection and application of the same. The framework not only simplifies the selection process but also improves accuracy and adaptability. Ultimately, this approach leads to more efficient, reliable, and specific motion tracking solutions for each need.
É possível melhorar a precisão e a confiabilidade do rastreamento de movimento alterando o método dependendo do ambiente? No rastreamento de movimento, as técnicas para encontrar um alvo em cada ambiente têm aumentando em paralelo à tecnologia usada para realizar essa tarefa. Com cada uma delas melhorando, ainda há algumas que são melhores que outras, quando se leva em consideração o objetivo e o ambiente. Este artigo aponta para criar uma estrutura que ajude no processo de seleção para descobrir qual método de rastreamento de movimento se adapta melhor, dependendo do ambiente, suas condições e o alvo. Este estudo usa dados de outras pesquisas, artigos e documentos, considerando o ambiente em que foi testado e suas condições, bem como a capacidade geral do método em questão quando introduzido com diferentes variáveis e em diferentes cenários. Categorizar os métodos de rastreamento de movimento e entender suas capacidades em vários cenários proporciona muitos benefícios na otimização da seleção e aplicação dos mesmos. A estrutura não só simplifica o processo de seleção, mas também melhora a precisão e a adaptabilidade. Em última análise, essa abordagem leva a soluções de rastreamento de movimento mais eficientes, confiáveis e específicas para cada necessidade.
É possível melhorar a precisão e a confiabilidade do rastreamento de movimento alterando o método dependendo do ambiente? No rastreamento de movimento, as técnicas para encontrar um alvo em cada ambiente têm aumentando em paralelo à tecnologia usada para realizar essa tarefa. Com cada uma delas melhorando, ainda há algumas que são melhores que outras, quando se leva em consideração o objetivo e o ambiente. Este artigo aponta para criar uma estrutura que ajude no processo de seleção para descobrir qual método de rastreamento de movimento se adapta melhor, dependendo do ambiente, suas condições e o alvo. Este estudo usa dados de outras pesquisas, artigos e documentos, considerando o ambiente em que foi testado e suas condições, bem como a capacidade geral do método em questão quando introduzido com diferentes variáveis e em diferentes cenários. Categorizar os métodos de rastreamento de movimento e entender suas capacidades em vários cenários proporciona muitos benefícios na otimização da seleção e aplicação dos mesmos. A estrutura não só simplifica o processo de seleção, mas também melhora a precisão e a adaptabilidade. Em última análise, essa abordagem leva a soluções de rastreamento de movimento mais eficientes, confiáveis e específicas para cada necessidade.
Description
Keywords
Motion tracking Tracking methods Computer vision Machine learning Framework Performance