Audiovisual Tracking of Multiple Speakers in Smart Spaces

Audiovisual Tracking of Multiple Speakers in Smart Spaces

This paper presents GAVT, a highly accurate audiovisual 3D tracking system based on particle filters and a probabilistic framework, employing a single camera and a microphone array. Our first contribution is a complex visual appearance model that accurately locates the speaker’s mouth. It transforms...

Ամբողջական նկարագրություն

Մատենագիտական մանրամասներ
Հիմնական հեղինակներ: Frank Sanabria-Macias, Marta Marron-Romera, Javier Macias-Guarasa
Ձևաչափ: Հոդված
Լեզու:English
Հրապարակվել է: MDPI AG 2023-08-01
Շարք:Sensors
Խորագրեր:
smart spaces
audiovisual tracking
speaker localization
particle filter
multi-pose face observation model
probabilistic <tt>SRP-PHAT</tt>
Առցանց հասանելիություն:https://www.mdpi.com/1424-8220/23/15/6969

Համացանց

https://www.mdpi.com/1424-8220/23/15/6969

Նմանատիպ նյութեր