Tracking mit Struktur im Machinellessehen

Das Verfolgen (Tracking) von Objekten in Bildsequenzen ist im maschinellen Sehen sehr wichtig. Tracking Verfahren sind z.B. unentbehrlich für die automatische Verfolgung von Personen, die durch Überwachungskameras gefilmt werden oder für das Folgen der Position eines Kopfes und der Hände in einer Mensch-Maschine- Schnittstelle. Eine interessante Erweiterung soll die 3D Informationen, die von zwei oder mehr Kameras eingeholt werden, verwenden, um das Tracking zu unterstützen. Es gibt viele Methoden, um das Problem der Objektverfolgung zu lösen. Obgleich diese Methoden erfolgreich sind, ist es häufig der Fall, dass sie nicht robust genug sind oder dass unterschiedliche Methoden für unterschiedliche Anwendungen verwendet werden müssen. Neueste, von einem der Projektpartner (PRIP) durchgeführte, Untersuchungen haben gezeigt, dass die Verwendung von Matching von Graphenpyramiden und von kombinatorischen Kartenpyramiden einer guter Ansatz ist, um Probleme im maschinellen Sehen zu lösen. Vielversprechende Ausgangsergebnisse konnten die Anwendung dieser Methodologie im Bereich des Objektverfolgens erreicht werden. Das Hauptziel des vorgeschlagenen Projektes ist es, ein allgemeines Rahmenwerk zu entwickeln, das die Lösung von praktischen Problemen des maschinellen Sehens mit Hilfe von Methoden, die Bildstruktur verwenden, ermöglicht. Das Projekt verwendet strukturelle Methoden wie auf Graphen und kombinatorische Karten basierende Bildrepräsentationen, Graphen- und kombinatorische Kartenpyramiden und Matching, um eine Lösung zu den folgenden Aufgaben innerhalb eines einzelnen Rahmenwerks zu versuchen: 1. Finden der Objektkorrespondenzen in Bildsequenzen (Verfolgung). 2. Finden der Objektkorrespondenzen in Bildern, die von unterschiedlichen Aussichtspunkten aufgenommen sind (Stereo Matching). 3. Finden der Objektkorrespondenzen in Bildsequenzen, die von unterschiedlichen Aussichtspunkten aufgenommen sind (eine Kombination der oben genannten zwei Methoden). Die Verwendung dieses angedachten Rahmenwerks würde die Lösungen vieler praktischer Probleme vereinfachen. Um die entwickelten Algorithmen und das Rahmenwerk richtig auszuwerten, beabsichtigen wir sie mit vorhandenen Algorithmen rigoros zu vergleichen. Zu diesem Zweck, verwenden wir bestehende Benchmarking- Datenbanken und Daten aus Anwendungen im Bereich der Überwachung und der Mensch-Maschine-Schnittstellen, die vom zweiten Projektpartner (ACV) in Industrieforschungsprojekten erforscht werden.

Das Verfolgen (Tracking) von Objekten in Bildsequenzen ist im maschinellen Sehen sehr wichtig. Tracking Verfahren sind z.B. unentbehrlich für die automatische Verfolgung von Personen, die durch Überwachungskameras gefilmt werden oder für das Folgen der Position eines Kopfes und der Hände in einer Mensch-Maschine- Schnittstelle. Eine interessante Erweiterung soll die 3D Informationen, die von zwei oder mehr Kameras eingeholt werden, verwenden, um das Tracking zu unterstützen. Es gibt viele Methoden, um das Problem der Objektverfolgung zu lösen. Obgleich diese Methoden erfolgreich sind, ist es häufig der Fall, dass sie nicht robust genug sind oder dass unterschiedliche Methoden für unterschiedliche Anwendungen verwendet werden müssen. Neueste, von einem der Projektpartner (PRIP) durchgeführte, Untersuchungen haben gezeigt, dass die Verwendung von Matching von Graphenpyramiden und von kombinatorischen Kartenpyramiden einer guter Ansatz ist, um Probleme im maschinellen Sehen zu lösen. Vielversprechende Ausgangsergebnisse konnten die Anwendung dieser Methodologie im Bereich des Objektverfolgens erreicht werden. Das Hauptziel des vorgeschlagenen Projektes ist es, ein allgemeines Rahmenwerk zu entwickeln, das die Lösung von praktischen Problemen des maschinellen Sehens mit Hilfe von Methoden, die Bildstruktur verwenden, ermöglicht. Das Projekt verwendet strukturelle Methoden wie auf Graphen und kombinatorische Karten basierende Bildrepräsentationen, Graphen- und kombinatorische Kartenpyramiden und Matching, um eine Lösung zu den folgenden Aufgaben innerhalb eines einzelnen Rahmenwerks zu versuchen: 1. Finden der Objektkorrespondenzen in Bildsequenzen (Verfolgung). 2. Finden der Objektkorrespondenzen in Bildern, die von unterschiedlichen Aussichtspunkten aufgenommen sind (Stereo Matching). 3. Finden der Objektkorrespondenzen in Bildsequenzen, die von unterschiedlichen Aussichtspunkten aufgenommen sind (eine Kombination der oben genannten zwei Methoden). Die Verwendung dieses angedachten Rahmenwerks würde die Lösungen vieler praktischer Probleme vereinfachen. Um die entwickelten Algorithmen und das Rahmenwerk richtig auszuwerten, beabsichtigen wir sie mit vorhandenen Algorithmen rigoros zu vergleichen. Zu diesem Zweck, verwenden wir bestehende Benchmarking- Datenbanken und Daten aus Anwendungen im Bereich der Überwachung und der Mensch-Maschine-Schnittstellen, die vom zweiten Projektpartner (ACV) in Industrieforschungsprojekten erforscht werden.