Home | deutsch  | Legals | Data Protection | Sitemap | KIT

Objektklassifikation in der Aufklärung und Überwachung mit bildgebenden Sensoren

Objektklassifikation in der Aufklärung und Überwachung mit bildgebenden Sensoren
Contact:Dipl.-Inform. Michael Teutsch
Project Group:

Videoauswertesysteme

Projektbeschreibung

Kein Bild

Beispiele zur Überlandaufklärung (linkes Bild) sowie zur maritimen Überwachung.

Robuste und zuverlässige Bildverarbeitungsverfahren spielen eine große Rolle in der automatischen Aufklärung und Überwachung sowohl für die zivile Sicherheit als auch für die Verteidigung. Sie erleichtern die Aufgabe von menschlichen Auswertern enorm, da Datenmenge und Informationsdichte kontinuierlich steigen, Menschen aber nur eine relativ kurze Zeit wirklich konzentriert und aufmerksam arbeiten können. Daher werden Verfahren erforscht und entwickelt, um den Menschen dabei zu unterstützen.

Ziel ist die frühzeitige automatische Erkennung potentieller Gefahrensituationen und krimineller Aktivitäten. Dazu werden je nach Anwendung unterschiedliche bildgebende Sensoren eingesetzt wie Synthetic Aperture Radar (SAR) oder Kameras, die visuell-optisches oder infrarotes Licht abbilden. Getragen werden diese Sensoren beispielsweise von Flugdrohnen (UAVs), Satelliten (TerrasSAR-X), Bojen, Bodenfahrzeugen und Ähnlichem. Objekte sollen zuverlässig detektiert, verfolgt und klassifiziert werden, um darauf auf ihre Relevanz für eine gegebene Aufgabe schließen zu können. Dabei werden sensorspezifische Vorteile ausgenützt. Gleichzeitig müssen auch verschiedene Herausforderungen berücksichtigt werden wie sensor- und umweltbezogenes Rauschen, schwacher Kontrast, hohe Objektentfernung, nicht kooperatives Objektverhalten, variabler Objekthintergrund, Eigenbewegung der Kamera, oder Echtzeitfähigkeit der Verfahren.

Kein Bild

Klassifikationskonzept für flexible Eingangsdaten.

Der Fokus liegt auf der Objektklassifikation. Dazu wird ein Klassifikationskonzept entwickelt, das flexibel gegenüber der Art der Eingangsdaten ist. Automatisch werden aus einer Vielzahl an extrahierten Bildverarbeitungsmerkmalen diejenigen aussucht, die sich für eine gegebene Klassifikationsaufgabe als am geeignetsten erweisen. Je nach Komplexität dieser Klassifikationsaufgabe wird mit Standardklassifikatoren wie der Support Vektor Maschine (SVM) oder dem k-Nächster-Nachbar (k-NN) eine Klassifikatorenstruktur (Kaskade, Baum, etc.) erzeugt, um die Aufgabe erfolgreich zu lösen. Dieses Konzept gilt es, möglichst zuverlässig, robust und adaptiv zu gestalten.

Die Arbeit wird in enger fachlicher und organisatorischer Kooperation mit der Abteilung Autonome Systeme und Maschinensehen (ASM) des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) durchgeführt.