Optimization Techniques for Real-Time Visual Object Detection and Tracking

Andre Treptow

ISBN 978-3-8325-1556-0
140 Seiten, Erscheinungsjahr: 2007
Preis: 40.50 €

Diese Arbeit befasst sich mit der Problematik der echtzeitfähigen Erkennung und Verfolgung von Objekten in Bildsequenzen. Die Implementierung dieser visuellen Routinen als Sensormodalität auf Maschinen wird immer häufiger in verschiedenen Bereichen angewendet, führt aber auch zu einer Vielzahl von Problemen, die betrachtet werden müssen, um robuste und laufzeitoptimierte Systeme zu entwickeln. Die Leistung der Systeme ist auf der einen Seite stark abhängig von den Bedingung im Bild (wie z.B. Lichtverhältnisse, Sensorrauschen, Blickwinkel, usw.), und verlangt daher nach sehr aufwendigen Lösungen. Auf der anderen Seite sollen diese aber auf Prozessoren mit stark reduzierter Rechenleistung, wie z.B. auf mobilen Robotern und Steuergeräten, eingesetzt werden.

Deshalb muss oftmals ein Kompromiss zwischen Laufzeit und Genauigkeit der Algorithmen gefunden werden. Dieses Problem kann somit auch als Optimierungsproblem formuliert werden. In dieser Arbeit werden Algorithmen zur Lösung von heuristischen Optimierungsproblemen auf dem Gebiet der visuellen Objekterkennung und -verfolgung eingesetzt und untersucht. Um die Leistung und Zeitkomplexität der Objekterkennung zu verbessern, werden zunächst zwei verschiedene Kombinationen von Evolutionärer Suche und maschinellen Lernalgorithmen vorgestellt und ausgewertet. Es wird gezeigt, dass mit den entwickelten Verfahren neue Klassifikatoren zur Objekterkennung erstellt werden können, welche eine geringere Anzahl von Merkmalen im Bild verwenden und gleichzeitig eine hohe Detektionsleistung garantieren. Der zweite Teil der Arbeit beschäftigt sich dann mit der Verfolgung von Objekten in Bildern über die Zeit. Hier wird ein probabilistischer Algorithmus mit Ansätzen aus dem Bereich der heuristischen Optimierung erweitert.

Es wird gezeigt, dass die Laufzeit des Algorithmus mit den vorgestellten Erweiterungen ohne drastische Einbußen in der Detektionsleistung und Objektstabilität verringert werden kann. Im letzten Teil der Arbeit wird schließlich ein komplettes System zur Erkennung und Verfolgung von Personen in Infrarotbildern auf einem mobilen Roboter vorgestellt. Hier werden drei verschiedene Messmodelle, welche Kontur und Grauwertmerkmale in Bildern verwenden, entwickelt und verglichen. Es wird dargestellt, dass die vorgestellten Methoden zur robusten Erkennung von Personen im Infrarotbild geeignet und in Echtzeit auf einem mobilen Roboter einsetzbar sind.