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.
[...]
Videobasierte Mehrfachobjektverfolgungin Echtzeit
Thomas Heidenreich
Diplomarbeit
Vorgelegt am 23.Mai 2005
Technische Universität Darmstadt
Institut für Automatisierungstechnik
Fachgebiet Regelungstheorie und Robotik
Inhaltsverzeichnis
Einführung 1
1 Grundlagen 3
1.1 Likelihood-Wahrscheinlichkeit 3
1.2 Integration über Zeit und Raum 5
2 Einsparung von Berechnungszeit 14
2.1 Reduktion des Geschwindigkeitsraumes 14
2.1.1 1D-Geschwindigkeitsraum 14
2.1.2 2D-Geschwindigkeitsraum 16
2.2 Zweistufiges System 19
3 Objekterkennung 22
3.1 Segmentierung 22
3.2 Objektzuweisung 26
3.3 Clustern 30
4 Anwendung 34
5 Programmierung und Benutzeroberfläche 36
6 Ergebnisse 38
6.1 Einstufiges System 38
6.2 Einstufiges System mit reduziertem Geschwindigkeitsraum 1D 40
6.3 Einstufiges System mit reduziertem Geschwindigkeitsraum 2D 41
6.4 Zweistufiges System 42
6.5 Zusammenfassung 43
Ausblick 44
Literaturverzeichnis 45
I
Abbildungsverzeichnis
1 Zeitliche Propagation der Wahrscheinlichkeitsverteilung 6
2 Funktionsprinzip der zeitlichen Propagation 7
3 Beispiel für unterschiedliche Gewichtungsfenster 8
4 Funktionsprinzip der zeitlichen Propagation mit Einbezug von Nachbarverteilungen 9
5 Beispiel für eine Geschwindigkeitsverteilung t(v|x) 10
6 Schweifreduktion durch verschiedene Integrationsfenster W x11v 7 Bildaufnahme in gleichen Abständen 12
8 Bildaufnahme direkt hintereinander 13
9 Vertikaler oder horizontaler Suchraum 15
10 Eindimensionale Geschwindigkeitsverteilung 16
11 Horizontaler und vertikaler Suchraum gemeinsam 17
12 Schema Ermittlung der Verteilungen für schräge Geschwindigkeiten 18
13 Verteilungen für reduzierten 2D-Geschwindigkeitsraum 19
14 System mit zwei Auflösungsstufen, Wahrscheinlichkeitsverteilungen 21
15 Schwellwertbildung der Wahrscheinlichkeitsverteilung 23
16 Verteilung und Segmentierungsfunktion 24
17 Gesamtsystem 25
18 Die Summationsfunktionen 26
19 Kombination der Maximum-Koordinaten 28
20 Integration in der Umgebung der Kombinationskoordinaten 30
21 Clustern der Objektkoordinaten 33
22 Zählmaske mit Zählbereich für Objektzählung 35
23 Grafische Benutzeroberfläche und Visualisierung der Ergebnisse 37
24 Ergebnisse Einstufiges System 39
25 Ergebnisse Einstufiges System mit 1D-Geschwindigkeitsraum 40
26 Ergebnisse Einstufiges System mit 2D-Geschwindigkeitsraum 41
27 Ergebnisse Zweistufiges System 42
II
Einführung
Heutzutage wird in vielen Sicherheits- und Servicebereichen Videoüberwachung eingesetzt, um Gefahrensituationen erkennen und Informationen gewinnen zu können. Immer öfter kommt es dabei zum Einsatz von Videokameras und Webcams, deren Qualität ständig steigt und deren Preis-Leistungsverhältnis sich ebenfalls zunehmend verbessert. Die Verarbeitungskette der Bilddaten ist aber im Allgemeinen nicht übermäßig lang und endet meist schon mit der einfachen Bildanzeige in Überwachungsmonitoren oder mit der Speicherung der Bilddaten auf Datenträgern zwecks Archivierung. Eine Auswertung und Bewertung dieser Bildinformationen erfordert immer noch in den häufigsten Fällen das Urteils- und Entscheidungsvermögen eines Menschen und ist im Regelfall noch nicht selbständig von einem automatisierten System durchführbar. Existierende Auswertungssoftware ist zum überwiegenden Teil auf bestimmte definierte Umgebungen oder Objekte spezialisiert und daher auf nur wenige Einsatzmöglichkeiten beschränkt. Treten hier beispielsweise Szenerie¨
anderungen, Wetter- oder Beleuchtungsschwankungen auf, so kommt es häufig zu Fehlverhalten und damit zur Beschneidung der Sicherheitsgewährleistung. Gerade in Sicherheitssystemen ist jedoch die Zuverlässigkeit von absolut zentraler Bedeutung.
In dieser Arbeit wird der Versuch unternommen, ein solches System zu entwerfen, welches unabhängig von den genannten Einflussfaktoren ist und das eigenständig und ohne menschliche Überwachung arbeitet. Das hier vorgestellte System soll dazu dienen, in Echtzeit mehrere bewegte Objekte innerhalb einer Bildfolge zu erkennen und diese auch zu verfolgen. In herkömmlichen Anwendungen werden Bewegungssch ätzungen von bewegten Objekten im Allgemeinen durch Geschwindigkeitsvektoren repräsentiert, die jedem Bildpunkt eine bestimmte Geschwindigkeit zuordnen. Diese Darstellungsweise ist jedoch für eine eindeutige Beschreibung von Bewegungen nicht ausreichend und kann daher zu größeren Fehlern bei der Schätzung führen. Eine Lösung hierfür stellt der Einsatz von bestehenden Scätzverfahren dar, welche auf einer Beschreibung der Geschwindigkeiten jedes Bildpunktes durch Wahrscheinlichkeitsverteilungen beruhen. Hierbei werden die Geschwindigkeiten von Bildbereichen innerhalb eines Bildes als statistisches Signal aufgefasst, so dass bestimmte Bildmerkmale mit einer Wahrscheinlichkeit beschrieben werden können. Auf dieser Grundlage wird dann ein Verfahren entworfen, welches zur Erkennung von bewegten Objekten dient. Dabei werden Wahrscheinlichkeitsverteilungen dazu benutzt, um Bereiche innerhalb eines Bildes zu bestimmen, die sich homogen mit der gleichen Geschwindigkeit bewegen. Diese Bereiche können dann gezielt untersucht und bewegten Objekten zugeordnet
1
werden.
Im Kapitel 1 werden zunächst die Grundlagen für die Beschreibung von Bildbewegungen mit Wahrscheinlichkeiten vorgestellt. Es folgt dann in Kapitel 2 die effiziente Umsetzung des vorgestellten Modells, bevor in Kapitel 3 auf das eigentliche Ziel dieser Arbeit, die Objektverfolgung, eingegangen wird. Kapitel 4 zeigt, wie sich aus dem vorgestellten Verfahren eine einfache Anwendung realisieren lässt. In Kapitel 5 wird die programmtechnische Umsetzung der Algorithmen zusammengefasst und das letzte Kapitel 6 zeigt Ergebnisse des entworfenen Systems.
2
- Arbeit zitieren
- Dipl-Ing. Thomas Heidenreich (Autor:in), 2005, Videobasierte Mehrfachobjektverfolgung in Echtzeit, München, GRIN Verlag, https://www.grin.com/document/113104
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.