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.
Neuronale Zeitverzögerungsnetzwerke für die Bildsequenzanalyse und ihre Anwendung in fahrzeuggebundenen Bildverarbeitungssystemen
2000
268 Seiten, 122 Bilder, 14 Tabellen, 162 Quellen
Hochschulschrift
Deutsch
Test und Bewertung von Bildverarbeitungssystemen
Tema Archiv | 2008
|Test und Bewertung von Bildverarbeitungssystemen
British Library Conference Proceedings | 2008
|Der wirtschaftliche Einsatz von Bildverarbeitungssystemen in automatisierten Fertigungsanlagen
Kraftfahrwesen | 1988
|