Die vorliegende Arbeit befaßt sich mit der Erkennung von Objekten und der Analyse von Bewegungen auf Bildsequenzen. Hierzu wird ein neuronales Zeitverzögerungsnetzwerk (Jime Delay Neural Network, TDNN) entwickelt, dessen Architektur durch raum-zeitliche rezeptive Felder charakterisiert ist. Des weiteren wird ein Trainingsalgorithmus entworfen, mit dem nicht nur die Gewichtsparameter des Netzwerks, sondern auch seine Zeitverzögerungsparameter und damit auch signifikante Aspekte der Netzwerkstruktur aus Beispielen gelernt werden können. Diese neuronalen Algorithmen finden ihre Anwendung in dem fahrzeuggebundenen System UTA (Urban Traffic Assistant) zur Realzeit-Bildanalyse von Straßenverkehrsszenen; sie werden in diesem Umfeld zur Erkennung von Verkehrsampeln, Verkehrszeichen, Fahrzeugen sowie Fußgängern eingesetzt. Die entsprechenden Ergebnisse werden abgerundet durch Vergleichsuntersuchungen bezüglich Erkennungsleistung, Rechenaufwand und Speicherbedarf anhand traditioneller Klassifikationsmethoden und Support-Vektor-Maschinen.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Neuronale Zeitverzögerungsnetzwerke für die Bildsequenzanalyse und ihre Anwendung in fahrzeuggebundenen Bildverarbeitungssystemen


    Beteiligte:
    Wöhler, C. (Autor:in)


    Erscheinungsdatum :

    2000


    Format / Umfang :

    268 Seiten, 122 Bilder, 14 Tabellen, 162 Quellen




    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Deutsch