Heutzutage wird in vielen Sicherheits- und Servicebereichen Videoberwachung
eingesetzt, um Gefahrensituationen erkennen und Informationen gewinnen
zu k¨onnen. Immer ¨ofter kommt es dabei zum Einsatz von Videokameras und
Webcams, deren Qualit¨at st¨andig steigt und deren Preis-Leistungsverh¨altnis sich
ebenfalls zunehmend verbessert. Die Verarbeitungskette der Bilddaten ist aber
im Allgemeinen nicht ¨uberm¨aßig lang und endet meist schon mit der einfachen
Bildanzeige in ¨Uberwachungsmonitoren oder mit der Speicherung der Bilddaten
auf Datentr¨agern zwecks Archivierung. Eine Auswertung und Bewertung dieser
Bildinformationen erfordert immer noch in den h¨aufigsten F¨allen das Urteilsund
Entscheidungsverm¨ogen eines Menschen und ist im Regelfall noch nicht
selbst¨andig von einem automatisierten System durchf¨uhrbar. Existierende Auswertungssoftware
ist zum ¨uberwiegenden Teil auf bestimmte definierte Umgebungen
oder Objekte spezialisiert und daher auf nur wenige Einsatzm¨oglichkeiten beschr
¨ankt. Treten hier beispielsweise Szenerie¨anderungen, Wetter- oder Beleuchtungsschwankungen
auf, so kommt es h¨aufig zu Fehlverhalten und damit zur
Beschneidung der Sicherheitsgew¨ahrleistung. Gerade in Sicherheitssystemen ist
jedoch die Zuverl¨assigkeit von absolut zentraler Bedeutung.
In dieser Arbeit wird der Versuch unternommen, ein solches System zu entwerfen,
welches unabh¨angig von den genannten Einflussfaktoren ist und das eigenst¨andig
und ohne menschliche ¨Uberwachung arbeitet. Das hier vorgestellte System soll
dazu dienen, in Echtzeit mehrere bewegte Objekte innerhalb einer Bildfolge zu
erkennen und diese auch zu verfolgen.
[...]
Inhaltsverzeichnis
- Einführung
- 1 Grundlagen
- 1.1 Likelihood-Wahrscheinlichkeit
- 1.2 Integration über Zeit und Raum
- 2 Einsparung von Berechnungszeit
- 2.1 Reduktion des Geschwindigkeitsraumes
- 2.1.1 1D-Geschwindigkeitsraum
- 2.1.2 2D-Geschwindigkeitsraum
- 2.2 Zweistufiges System
- 2.1 Reduktion des Geschwindigkeitsraumes
- 3 Objekterkennung
- 3.1 Segmentierung
- 3.2 Objektzuweisung
- 3.3 Clustern
- 4 Anwendung
- 5 Programmierung und Benutzeroberfläche
- 6 Ergebnisse
- 6.1 Einstufiges System
- 6.2 Einstufiges System mit reduziertem Geschwindigkeitsraum 1D
- 6.3 Einstufiges System mit reduziertem Geschwindigkeitsraum 2D
- 6.4 Zweistufiges System
- 6.5 Ausblick
- Zusammenfassung
Zielsetzung und Themenschwerpunkte
Die vorliegende Diplomarbeit befasst sich mit der Entwicklung eines Echtzeit-Systems zur videobasierten Mehrfachobjektverfolgung. Ziel ist die Erkennung und Verfolgung mehrerer beweglicher Objekte innerhalb einer Bildfolge, unabhängig von Einflussfaktoren wie Szenerieänderungen, Wetter- oder Beleuchtungsschwankungen.
- Beschreibung von Bildbewegungen mithilfe von Wahrscheinlichkeitsverteilungen
- Echtzeitverarbeitung von Videosequenzen zur Objektverfolgung
- Effiziente Algorithmen zur Reduktion der Berechnungszeit
- Entwicklung eines robusten Systems zur Objektdetektion und -verfolgung
- Anwendungen in Sicherheits- und Servicebereichen
Zusammenfassung der Kapitel
Das erste Kapitel erläutert die Grundlagen der Beschreibung von Bildbewegungen mit Wahrscheinlichkeiten. Kapitel 2 befasst sich mit der effizienten Umsetzung des Modells, insbesondere mit der Reduktion des Geschwindigkeitsraumes. Kapitel 3 beschreibt das Verfahren zur Objektverfolgung, das auf der Verwendung von Wahrscheinlichkeitsverteilungen zur Identifizierung homogener Bewegungsbereiche basiert. Kapitel 4 zeigt, wie aus dem entwickelten Verfahren eine einfache Anwendung realisiert werden kann. Kapitel 5 fasst die programmtechnische Umsetzung der Algorithmen zusammen. Das letzte Kapitel 6 präsentiert Ergebnisse des entwickelten Systems.
Schlüsselwörter
Videobasierte Objektverfolgung, Mehrfachobjektverfolgung, Echtzeitverarbeitung, Wahrscheinlichkeitsverteilungen, Geschwindigkeitsraum, Objektdetektion, Segmentierung, Clustern, Sicherheitsanwendungen.
Häufig gestellte Fragen
Was ist das Ziel der videobasierten Mehrfachobjektverfolgung?
Das Ziel ist die automatische Erkennung und Verfolgung mehrerer bewegter Objekte in Echtzeit, ohne dass eine menschliche Überwachung nötig ist.
Wie geht das System mit schwierigen Licht- oder Wetterverhältnissen um?
Das System nutzt Wahrscheinlichkeitsverteilungen (Likelihood), um Bewegungen robust gegenüber Beleuchtungsschwankungen und Wetteränderungen zu erfassen.
Warum ist die Einsparung von Berechnungszeit bei diesem System wichtig?
Für eine Echtzeitverarbeitung müssen die Algorithmen hocheffizient sein. Dies wird durch die Reduktion des Geschwindigkeitsraumes (1D/2D) erreicht.
Welche Rolle spielt die Segmentierung bei der Objekterkennung?
Die Segmentierung hilft dabei, Bildbereiche mit homogener Bewegung zu identifizieren und sie einzelnen Objekten zuzuweisen.
In welchen Bereichen wird diese Technologie eingesetzt?
Haupteinsatzgebiete sind Sicherheitsbereiche (Überwachung) und Servicebereiche, in denen Gefahrensituationen automatisch erkannt werden sollen.
Was ist ein „zweistufiges System“ in der Objektverfolgung?
Es handelt sich um einen Ansatz zur Effizienzsteigerung, bei dem Berechnungen in zwei Phasen unterteilt werden, um die Verfolgungsgenauigkeit bei geringer Rechenlast zu optimieren.
- Arbeit zitieren
- Dipl-Ing. Thomas Heidenreich (Autor:in), 2005, Videobasierte Mehrfachobjektverfolgung in Echtzeit, München, GRIN Verlag, https://www.grin.com/document/113104
