LEADER 01970nam  2200433z- 450 
001 9910346770903321
005 20210211
035   $a(CKB)4920000000100814
035   $a(oapen)https://directory.doabooks.org/handle/20.500.12854/55091
035   $a(oapen)doab55091
035   $a(EXLCZ)994920000000100814
100   $a20202102d2016      |y         0
101 0 $ager
135   $aurmn|---annan
181   $ctxt$2rdacontent
182   $cc$2rdamedia
183   $acr$2rdacarrier
200 00$aObjektsensitive Verfolgung und Klassifikation von Fußga?ngern mit verteilten Multi-Sensor-Tra?gern
210   $cKIT Scientific Publishing$d2016
215   $a1 online resource (XI, 178 p. p.)
225 1 $aForschungsberichte aus der Industriellen Informationstechnik / Institut für Industrielle Informationstechnik (IIIT), Karlsruher Institut für Technologie
311 08$a3-7315-0529-0 
330   $aState estimation of an unknown number of objects remains a challenging topic - despite the existence of theoretically bayes-optimal multi-object-filters - due to numerous assumptions in the modeling process. This thesis evaluates such filters in real multi-object-multi-sensor scenarios and proposes necessary extensions to existing models. The main application of the thesis is indoor pedestrian tracking.
606   $aTechnology: general issues$2bicssc
610   $adistributed systems
610   $aMulti-Objekt-Verfolgung
610   $aobject classification
610   $aObjektklassifikation
610   $apedestrian tracking
610   $aPersonenverfolgung
610   $aSensorenMulti-object-tracking
610   $asensors
610   $averteilte Systeme
615  7$aTechnology: general issues
700   $aPallauf$b Johannes$4auth$01328849
906   $aBOOK
912   $a9910346770903321
996   $aObjektsensitive Verfolgung und Klassifikation von Fußgängern mit verteilten Multi-Sensor-Trägern$93039028
997   $aUNINA