Vorgestellt wird ein adaptives System zur Erkennung von Autos in Videosequenzen realer Verkehrssituationen. Das System ist echtzeitfähig. Es besteht aus mehreren gekoppelten Verarbeitungsebenen - initiale Detektion, Objektverfolgung und Klassifikation - und ist in ein Fahrerassistenz-Gesamtsystem eingebunden. Hauptschwerpunkt dieses Beitrags ist die Beschreibung des Klassifikationsmoduls. Die initiale Detektion benutzt verschiedene Heuristiken zur Erzeugung von Fahrzeughypothesen. Diese werden im Klassifikationsschritt bewertet. Die Klassifikationsfunktion wird anhand von Beispielen mit einem überwachten Lernschema trainiert. Es wird gezeigt, dass annähernde Skaleninvarianz im Klassifikationsschritt durch die Verwendung von näherungsweise skaleninvarianten Bildmerkmalen und durch das Training mit verschieden großen Beispielen erreicht werden kann. Die zur Implementierung der Klassifikationsfunktion verwendeten neuronalen Netzwerke (NN) werden mit einem einfachen Optimierungsverfahren (Pruning) im Hinblick auf Größe und Klassifikationsleistung optimiert. Überraschenderweise liefern extrem einfache NN gute Klassifikationsergebnisse bei sehr hoher Verarbeitungsgeschwindigkeit.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Detektion und Klassifikation von Fahrzeugen in Echtzeit


    Beteiligte:


    Erscheinungsdatum :

    2005


    Format / Umfang :

    8 Seiten, 3 Bilder, 11 Quellen



    Medientyp :

    Aufsatz (Konferenz)


    Format :

    Print


    Sprache :

    Deutsch




    Detektion in Echtzeit. Erdgas

    Focke, Jens | Tema Archiv | 2007


    DETEKTION VON NICHT-AUTORISIERTEN FAHRZEUGEN

    FARRELLY WILL / NICOLL DOUGLAS / SCOTT JONATHAN et al. | Europäisches Patentamt | 2015

    Freier Zugriff

    Verfahren zur Detektion von entgegenkommenden Fahrzeugen

    BERGER GISBERT | Europäisches Patentamt | 2018

    Freier Zugriff