首先，我查看了StackExchange所有分支的列表，这似乎是最适合这个问题的分支。
我正在寻找使用Microsoft Kinect 360的各种流行的对象识别和跟踪方法之间的比较分析（可以是理论和实现导向）。这些方法不必包括专门的Kinect API功能，如手势识别或骨架跟踪。你能指点我一些解决这个问题的技术文献吗？我发现了很多关于基于PCL库进行对象检测和训练的论文。我还发现了一些关于仅使用Kinect的RGB图像进行经典物体跟踪的论文。但是为了正确看待事物，我想知道当使用一组Kinects（可能有重叠投影锥）进行对象识别和/或跟踪时，哪种方法可以提供良好的性能并且实现起来不那么具挑战性。
在我看来，构建一个统一的点云来分析和标记对象以使用多个Kinects识别/分类它们（假设我有多个总线）将会产生过高的处理开销。它是一个可行的替代方案，分别对深度图像进行前景提取，然后以某种方式识别重复吗？