Bibliografische Daten

Dokument WO002011023348A1 (Seiten: 63)

Bibliografische Daten Dokument WO002011023348A1 (Seiten: 63)
INID Kriterium Feld Inhalt
54 Titel TI [DE] VERFAHREN UND SYSTEM ZUR AUTOMATISCHEN OBJEKTERKENNUNG UND ANSCHLIESSENDEN OBJEKTVERFOLGUNG NACH MASSGABE DER OBJEKTFORM
[EN] METHOD AND SYSTEM FOR AUTOMATIC OBJECT DETECTION AND SUBSEQUENT OBJECT TRACKING IN ACCORDANCE WITH THE OBJECT SHAPE
[FR] PROCÉDÉ ET SYSTÈME DE RECONNAISSANCE AUTOMATIQUE D'OBJETS ET DE SUIVI SUBSÉQUENT DE L'OBJET EN FONCTION DE SA FORME
71/73 Anmelder/Inhaber PA BEROLD ULRICH, DE ; HAMPEL HERMANN, DE ; IAD GES FUER INFORMATIK, DE ; KAUP ANDRE, DE ; QUAST KATHARINA, DE ; UNIV FRIEDRICH ALEXANDER ER, DE
72 Erfinder IN BEROLD ULRICH, DE ; HAMPEL HERMANN, DE ; KAUP ANDRE, DE ; QUAST KATHARINA, DE
22/96 Anmeldedatum AD 22.08.2010
21 Anmeldenummer AN 2010005149
Anmeldeland AC EP
Veröffentlichungsdatum PUB 03.03.2011
33
31
32
Priorität PRC
PRN
PRD
DE
102009038364
20090823
51 IPC-Hauptklasse ICM G06T 7/20 (2006.01)
51 IPC-Nebenklasse ICS G06K 9/00 (2006.01)
G06T 7/00 (2006.01)
IPC-Zusatzklasse ICA
IPC-Indexklasse ICI
Gemeinsame Patentklassifikation CPC G06T 2207/10016
G06T 2207/30232
G06T 7/254
G06T 7/277
G06V 20/52
MCD-Hauptklasse MCM G06T 7/20 (2006.01)
MCD-Nebenklasse MCS G06K 9/00 (2006.01)
G06T 7/00 (2006.01)
MCD-Zusatzklasse MCA
57 Zusammenfassung AB [DE] Es ist eine Vielzahl von Trackingverfahren nebst Weiterentwicklungen zur Objektverfolgung, einschließlich zur Verfolgung der Objektform bekannt. Dabei wird aber die Orientierung nur innerhalb der Bildebene und damit nur 2-dimensional berechnet, so dass die Objektform nicht an die tatsächliche Bewegung des Objekts im dreidimensionalen Raum angepasst werden kann. Um ein Verfahren zur automatischen Objekterkennung und anschließenden Objektverfolgung in digitalen Videosystemen mit mindestens einer Kamera (K) zur Aufzeichnung von Videosequenzen und Übertragung sowie weiteren Verarbeitung oder Auswertung der Videodaten, anzugeben, welches neben der Lokalisierung und Verfolgung von sich bewegenden Objekten auch in der Lage ist, die Objektform zu bestimmen und so bei vorhandenen Messdaten eine Berechnung der Orientierung eines Objekts im Raum zu ermöglichen, ist gemäß Patentanspruch 1 vorgesehen, dass ein auf einem Gaussian Mixture Model GMM basierender Objekterkennungsalgorithmus und eine erweiterte, auf Mean-Shift basierende Objektverfolgung miteinander kombiniert werden, indem die Objekterkennung nach Maßgabe eines Modells des Hintergrunds um eine verbesserte Schattenentfernung erweitert wird, die so erzeugte Binärmaske (BM) zur Erstellung eines asymmetrischen Filterkerns genutzt wird, und anschließend der eigentliche Algorithmus zur formadaptiven Objektverfolgung, erweitert um einen Segmentierungsschritt zur Formanpassung initialisiert wird, so dass eine Bestimmung zumindest der Objektform oder Objektkontur oder der Orientierung des Objekts im Raum ermöglicht wird. Die Erfindung liegt auf dem Gebiet der automatischen Objekterkennung und anschließenden Objektverfolgung (Tracking).
[EN] A large number of tracking methods, in addition to further developments for object tracking, including tracking the object shape, are known. In this case, however, the orientation is calculated only within the image plane and therefore only 2-dimensionally, so the object shape cannot be matched to the actual movement of the object in three-dimensional space. In order to specify a method for automatic object detection and subsequent object tracking in digital video systems having at least one camera (K) for recording and transmitting video sequences, as well as further processing or evaluation of video data, which in addition to the localization and tracking of moving objects, is also capable of determining the object shape and thus of permitting the calculation of the orientation of an object in space with the existing measured data, patent claim 1 provides for an object detection algorithm based on a Gaussian mixture model GMM and expanded object tracking based on Mean-Shift to be combined with each other in the object detection. The object detection is expanded in accordance with a model of the background by improved removal of shadows, the binary mask (BM) generated in this way is used to create an asymmetric filter core, and then the actual algorithm for the shape-adaptive object tracking, expanded by a segmentation step for adapting the shape, is initialized, and therefore a determination at least of the object shape or object contour or the orientation of the object in space is made possible. The invention falls in the area of automatic object detection and subsequent object tracking.
[FR] On connaît dans l'état de la technique de multiples procédés de suivi ainsi que des développements du suivi d'objets, y compris le suivi de la forme d'un objet. Dans ces procédés, l'orientation n'est cependant calculée que dans le plan image, et donc seulement de manière bidimensionnelle, de sorte que la forme de l'objet ne peut être adaptée au mouvement effectif de l'objet dans l'espace tridimensionnel. Pour obtenir un procédé de reconnaissance automatique d'objets et de suivi subséquent de l'objet dans des systèmes vidéonumériques comprenant au moins une caméra (K) pour l'enregistrement de séquences vidéo et la transmission, de même que le traitement postérieur ou l'évaluation des données vidéo, qui outre la localisation et le suivi d'objets en mouvement, est également capable d'identifier la forme d'un objet et de calculer à partir des données de mesure disponibles l'orientation d'un objet dans l'espace, il est prévu, selon la revendication 1, de combiner un algorithme de reconnaissance d'objet basé sur un modèle mixte gaussien (GMM) avec un suivi d'objet basé sur le "Mean Shift", comprenant une extension de la reconnaissance d'objet par une suppression améliorée des ombres en fonction d'un modèle de l'arrière-plan, et l'utilisation du masque binaire (BM) résultant pour l'établissement d'un noyau de convolution asymétrique, puis une initialisation de l'algorithme de suivi d'objet par adaptation de forme proprement dit, complétée par une étape de segmentation pour l'adaptation de forme, afin de permettre une détermination au moins de la forme ou du contour de l'objet ou de l'orientation de l'objet dans l'espace. L'invention porte sur le domaine de la reconnaissance d'objet automatique et de suivi (tracking) subséquent.
56 Entgegengehaltene Patentdokumente/Zitate,
in Recherche ermittelt
CT
56 Entgegengehaltene Patentdokumente/Zitate,
vom Anmelder genannt
CT DE102007041893A1
DE102008006709A1
US000006590999B1
WO002004081875A2
56 Entgegengehaltene Nichtpatentliteratur/Zitate,
in Recherche ermittelt
CTNP JIAN-GANG WANG ET AL: "Face obscuration in a video sequence by integrating kernel-based mean-shift and active contour", CONTROL, AUTOMATION, ROBOTICS AND VISION, 2008. ICARCV 2008. 10TH INTERNATIONAL CONFERENCE ON, IEEE, PISCATAWAY, NJ, USA, 17 December 2008 (2008-12-17), pages 2314 - 2318, XP031433962, ISBN: 978-1-4244-2286-9 7;
WEILUN LAO ET AL: "Automatic video-based human motion analyzer for consumer surveillance system", IEEE TRANSACTIONS ON CONSUMER ELECTRONICS, IEEE SERVICE CENTER, NEW YORK, NY, US, vol. 52, no. 2, 1 May 2009 (2009-05-01), pages 591 - 598, XP011270911, ISSN: 0098-3063 7;
XIAOPING CHEN ET AL: "An improved mean shift algorithm for moving object tracking", INTELLIGENT CONTROL AND AUTOMATION, 2008. WCICA 2008. 7TH WORLD CONGRESS ON, IEEE, PISCATAWAY, NJ, USA, 25 June 2008 (2008-06-25), pages 5111 - 5114, XP031301725, ISBN: 978-1-4244-2113-8 7
56 Entgegengehaltene Nichtpatentliteratur/Zitate,
vom Anmelder genannt
CTNP A. ELGAMMAL; D. HARWOOD; L. DAVIS: "Nonparametric Model for Background Subtraction", PROC. OF THE 6TH EUROPEAN CONFERENCE ON COMPUTER VISION, June 2000 (2000-06-01), pages 751 - 767 1;
A. YILMAZ: "Object Tracking by Asymmetric Kernel Mean Shift with Automatic Scale and Orientation Selection", PROC. IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, June 2007 (2007-06-01), pages 1 - 6, XP031114244, DOI: doi:10.1109/CVPR.2007.383017 1;
C. STAUFFER; W. E. L. GRIMSON: "Adaptive background mixture models for real-time tracking", PROC. IEEE COMPUTER SOCIETY CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, vol. 2, 1999 1;
D. COMANICIU; P MEER: "Mean Shift: A Robust Approach Toward Feature Space Analysis", IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, vol. 24, May 2002 (2002-05-01), pages 603 - 619, XP002323848, DOI: doi:10.1109/34.1000236 1;
F. PORIKLI; O. TUZEL: "Human body tracking by adaptive background models and mean-shift analysis", PROC. IEEE INTERNATIONAL WORKSHOP ON PERFORMANCE EVALUATION OF TRACKING AND SURVEILLANCE, 2003 1;
P. W. POWER; J. A. SCHOONEES: "Understanding background mixture models for foreground segmentation", PROC. IMAGE AND VISION COMPUTING, 2002, pages 267 - 271 1;
T. AACH; A. KAUP: "Bayesian algorithms for change detection in image sequences using Markov random fields", SIGNAL PROCESSING: IMAGE COMMUNICATION, vol. 7, no. 2, 1995, pages 147 - 160, XP000517133, DOI: doi:10.1016/0923-5965(95)00003-F 1;
T. AACH; A. KAUP; R. MESTER: "Statistical model-based change detection in moving video", SIGNAL PROCESSING, vol. 31, no. 2, 1993, pages 165 - 180, XP026671025, DOI: doi:10.1016/0165-1684(93)90063-G 1;
VON A. YILMAZ: "Object Tracking by Asymmetrie Kernel Mean Shift with Automatic Scale and Orientation Selection", IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, June 2007 (2007-06-01), pages 1 - 6, XP031114244, DOI: doi:10.1109/CVPR.2007.383017 1;
VON A. YILMAZ: "Object Tracking by Asymmetrie Kernel Mean Shift with Automatic Scale and Orientation Selection", PROC. IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, June 2007 (2007-06-01), pages 1 - 6, XP031114244, DOI: doi:10.1109/CVPR.2007.383017 1;
VON RATHI, Y.; VASWANI, N.; TANNENBAUM, A.; YEZZI, A.: "Particle filtering for geometric active contours with application to tracking moving and deforming objects", IEEE COMPUTER SOCIETY CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, 2005, pages 2, XP010817495, DOI: doi:10.1109/CVPR.2005.271 1;
WIE IN C.; STAUFFER; W. E. L. GRIMSON: "Adaptive background mixture models for real-time tracking", PROC. IEEE COMPUTER SOCIETY CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, vol. 2, 1999 1
Zitierende Dokumente Dokumente ermitteln
Sequenzprotokoll
Prüfstoff-IPC ICP B60W 30/06
G06K 9/62 KFZ
G06T 7/00
G06T 7/20