Home | english  | Impressum | Sitemap | KIT

Objektklassifikation in der Aufklärung und Überwachung mit bildgebenden Sensoren

Objektklassifikation in der Aufklärung und Überwachung mit bildgebenden Sensoren
Ansprechpartner:Dipl.-Inform. Michael Teutsch
Projektgruppe:

Videoauswertesysteme

Projektbeschreibung

Beispiele

Bildverarbeitungsbeispiele zur Überlandaufklärung 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.

Klassifikation

Klassifikationskonzept für flexible Eingangsbilddaten.

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 Videoauswertesysteme (VID) des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) durchgeführt.

 

Veröffentlichungen
TitelAutorenQuelle
Sommer, L. W.; Teutsch, M.; Schuchert, T.; Beyerer, J.Proceedings of the IEEE Winter Conference on Applications of Computer Vision (WACV), 2016, S. 1-9, IEEE, 2016.
Anneken, M.; Teutsch, M.; Brüstle, S.; Unmüßig, G.; Schuchert, T.; Fischer, Y.Proceedings of the NATO Symposium on Information Fusion (Hard and Soft) for Intelligence, Surveillance Reconnaissance (IST-SET-126), 2015.
Teutsch, M.; Krüger, W.; Beyerer, J.Proceedings of the 11th IEEE International Conference on Advanced Video and Signal-Based Surveillance (AVSS), 2014.
Teutsch, M.; Müller, T.; Huber, M.; Beyerer, J.Proceedings of the 27th IEEE International Conference of Computer Vision and Pattern Recognition Workshops (CVPRW), 2014.
Bekele, D.; Teutsch, M.; Schuchert, T.Proceedings of the 20th IEEE International Conference on Image Processing (ICIP), 2013.
Teutsch, M.; Trantelle, P.; Beyerer, J.Proceedings of the 20th IEEE International Conference on Image Processing (ICIP), 2013.
Teutsch, M.; Müller, T.Sadjadi, F. A.; Mahalanobis, A. (Hrsg.), Automatic Target Recognition XXIII, Proceedings of SPIE Vol. 8744, 2013.
Teutsch, M.; Beyerer, J.Park, J.-I.; Kim, J. (Hrsg.): ACCV 2012 Workshops, Part I, LNCS 7728, S. 1-14, Springer, Heidelberg, 2012.
Teutsch, M.; Krüger, W.Proceedings of the 9th IEEE International Conference on Advanced Video and Signal-Based Surveillance, 2012.
Teutsch, M.; Krüger, W.Proceedings of the 15th International Conference on Information Fusion, 2012.
Teutsch, M.; Saur, G.Bruzzone, L. (Hrsg.), Image and Signal Processing for Remote Sensing XVII, Proceedings of SPIE Vol. 8180, 2011.
Teutsch, M.; Saur, G.Proceedings of the IEEE Geoscience and Remote Sensing Symposium, 2011.
Teutsch, M.; Schamm, T.Proceedings of the Conference on Image Processing, Computer Vision, and Pattern Recognition, 2011.
Teutsch, M.; Krüger, W.; Beyerer, J.Proceedings of the 14th International Conference on Information Fusion, 2011.
Saur, G.; Estable, S.; Zielinski, K.; Knabe, S.; Teutsch, M.; Gabel, M.Proceedings of IEEE Oceans, 2011.
Teutsch, M.; Krüger, W.; Heinze, N.Kadar, I. (Hrsg.), Signal Processing, Sensor Fusion, and Target Recognition XX, Proceedings of SPIE, Bd. 8050, 2011.
Teutsch, M.; Krüger, W.Proceedings of 2nd NURC International WaterSide Security Conference, 2010.
Teutsch, M.Technischer Bericht IES-2010-15. In: Beyerer, J.; Huber, M. (Hrsg.), Proceedings of the 2010 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, Karlsruher Schriften zur Anthropomatik, Bd. 7, S. 213-225, KIT Scientific Publishing, 2010.
Saur, G.; Teutsch, M.Bruzzone, L. (Hrsg.), Image and Signal Processing for Remote Sensing XVI, Proceedings of SPIE Vol. 7830, 2010.
Teutsch, M.; Heger, T.; Schamm, T.; Zöllner, J. M.Proceedings of IEEE Intelligent Vehicles Symposium, S. 787-792, 2010.