There is an Open Access version for this licensed article that can be read free of charge and without license restrictions. The content of the Open Access version may differ from that of the licensed version.
Pricing information
Please choose your delivery country and your customer group
Die in dieser Arbeit entwickelte System-Architektur ermöglicht eine effiziente und genaue Rekonstruktion komplexer Bewegungselemente. Hierzu wurde eine lernbasierte dynamische Repräsentation zur Objekterkennung entwickelt, die eine spezifische Kodierung von Bildmerkmalen zur effizienten Erzeugung von Hypothesen zu Modellgraphen in einem hochdimensionalen Konfigurationsraum erlernter Objektposen verwirklicht. Die Modellgraphen kodieren strukturelle Abhängigkeiten im Bild. Zum Erlernen einer gemeinsamen merkmals- und modellbasierten Objektrepräsentation wurden Kern-basierte nicht-lineare Support Vector Maschinen als Funktions-Approximatoren erprobt. Dynamische Sample-basierte Dichteschätzverfahren dienen der zeitlichen Akkumulation von Evidenzen und zur Repräsentation von perzeptuellen Mehrdeutigkeiten. Durch die Betrachtung des Tracking-Problems von artikulierter Bewegung als mannigfaltiges, unabhängiges und modellbasiertes Objekterkennungsproblem wurde ein modellbasierter Tracking-Prozess stabilisiert und desweiteren die Modellinitialisierung vollkommen automatisiert. Für das lnitialisieren und Tracking von Modellgraphen im Bild wurde ein neuer Registrierungs-Algorithmus entwickelt, der das Korrespondenzproblem für artikulierte Bewegung unter Berücksichtigung von Selbstverdeckungen löst. Die Generalisierungseigenschaften des Systems auf andere, dem System unbekannte Individuen, die ähnliche Aktionen wie die vom System erlernten ausführten, wird aufgezeigt. Verschiedene Bewegungsmuster periodischer Geh- und Lauf-Bewegungen, insbesondere aber auch Bewegungsdaten von Parkinson-Patienten, bis hin zu komplexen Karatebewegungen waren Gegenstand der Untersuchung. Zudem konnte die ansichteninvariante und monokulare Bewegungserkennung des Systems demonstriert werden. Im weiteren Rahmen von Fahrerassistenzsystemen wurde der Einsatz dynamischer, stochastischer Sample-basierter Methoden zur Verwaltung mehrerer Objekthypothesen auch für die Fusion visueller Information zur dynamischen robusten Objektdetektion von einem bewegten Beobachter aus durch Simulationen untersucht. Es ergab sich, daß der nicht-lineare Zusammenhang zwischen dem Objektzustandsraum und dem beobachtbaren Meßraum implizit durch allgemeine dynamische Zustandsdichten modellierbar ist und der Erfolg einer korrekten zeitlichen Objektassoziation von der Dichte und Güte verschiedener mittels Computer-Vision ermittelter Objekthinweise abhängt. Anhand eines hierzu entwickelten kompakten Symmetriedetektors zur Segmentierung und Objektverfolgung und weiterer Klassifikationsverfahren, die mit Merkmalen mit geeigneten Invarianzeigenschaften trainiert wurden, konnte gezeigt werden, wie eine konsistente und dynamische Objekterkennung, insbesondere von Fußgängern, einschließlich der Schätzung ihrer Bewegungstrajektorien, geleistet werden kann.