Der Gegenstand dieses Buches ist die Fußgängererkennung in einer urbanen Umgebung, mit dem Schwerpunkt Fahrerassistenzsystem. Zur automatischen Kollisionsvermeidung ist es wichtig die 3d Position und die Bewegung von Fußgängern zu schätzen, selbst wenn diese zum Teil verdeckt sind. Um dieses Problem zu lösen wird ein auf Komponenten basierender Ansatz präsentiert, welcher gegenüber anderen Ansätzen besonders bei Verdeckungen erhebliche Vorteile aufweist. Wichtige Kriterien sind eine hohe Erkennungsleisrung und die Echtzeitfahigkeit des finalen Systems, welche in diesem Buch berücksichtigt werden. Dazu werden Verfahren für die verschiedenen algorithmischen Schritte vorgestellt. Zur robusten Einzelbilderkennung bindet das System lokale Konturmerkmale ein. Verschiedene Methoden werden präsentiert, um die relevanten Merkmale aus einer redundanten Menge für eine optimale Klassifikation auszuwählen. Neben der Einzelbildklassifikation wird das Komponentenmodel auch für die Verfolgung verwendet. Um zwischen plausiblen und unmöglichen Fußgängerbewegungen zu unterscheiden wird ein Model des menschlichen Ganges vorgestellt. Zur robusten Verfolgung bindet der Ansatz ein Interest Points Model ein, welches sich dynamisch an die Körperhaltung des verfolgten Fußgängers anpasst. Ein wichtiges Ziel ist es, eine falsche Auslösung von Sicherheitsmaßnahmen, wie zum Beispiel einer Bremsung oder Lenkung, zu verhindern. Deshalb wird ein effizientes hiddenvisible Zustandsmodell eingeführt, welches die Anzahl von falsch initialisierten Tracks minimiert. Andere Beiträge liefert diese Arbeit im Bereich zur Erlangung von Echtzeitfahigkeit. Dazu wird ein neuer Ansatz basierend auf dem optischen Fluss vorgestellt, um schnellstmöglich die Klassifikation und Verfolgung auf wichtige Bildbereiche zu beschränken. Außerdem wird der Erkennungsprozess durch eine Methode beschleunigt, welche eine Kaskade von Support-Vektor-Maschinen verwendet. Umdie verschiedenen Bereiche des vorgestellten Erkennungsansatzes auszuwerten werden verschiedene Experimente durchgeführt. Die entsprechenden Datensätze stammen aus einem sich bewegten Fahrzeug in einer urbanen Umgebung. Die Ergebnisse zeigen, dass der vorgestellte Komponentenansatz eine ähnliche oder sogar bessere Einzelbilderkennungsleistung im Vergleich zu vorhandenen Methoden aufweist. Zudem bewirkt das hiddenvisible Zustandsmodell eine erhebliche Reduzierung der Fehlerrate bei der Verfolgung. Außerdem wird die Erkennungsleistung bei teilverdeckten Fußgängern untersucht, mittels eines Datensatzes der Bilder von teilverdeckten Fußgängern enthält. Die Ergebnisse belegen, dass bei Teilverdeckungen der Komponentenansatz sogar deutlich gegenüber existierenden Methoden punkten kann.
This book addresses the challenging task of pedestrian recognition in an urban environment for automotive applications. For automatic collision avoidance, it is necessary to estimate the 3d position and motion of pedestrians, even if they are partially occluded. To deal with this problem, a component-based recognition approach is presented, which has considerable advantages compared to other approaches in case of occlusions. Contributions are provided on several levels. Both, high performance and real-time capabilities are relevant and important criteria that are considered in this book. For robust detection, the single-frame recognition approach integrates local object shape features. To select the most important features from a redundant set of shape features for optimal classification, different algorithms are developed. The component model is used for the detection and tracking of pedestrians. A human gait model is proposed for differentiating between plausible and impossible pedestrian movements during tracking. For robust tracking, an interest points model is integrated, which dynamically adapts to the posture of the tracked pedestrian. An important objective is to prevent the false activation of safety measures, e.g., brakes or steering. Therefore, an efficient hidden-visible state model is introduced to reduce incorrectly initialized tracks. Other contributions concern the achievement of real-time capabilities. Therefore, a novel method based on optical flow is introduced to rapidly restrict the classification and tracking to important image locations. Furthermore, the detection process is speeded up by incorporating a cascade of support vector machine classifiers. Several experiments are conducted to evaluate each level of the proposed pedestrian recognition framework. The corresponding datasets are taken from a moving vehicle in a complex urban environment. Singleframe classification results show a similar or even better performance compared to state of the art approaches. The performance of the hiddenvisible state model highlights that the framework substantially improves the recognition statistics. An image set containing partially occluded pedestrians is used to evaluate the performance of the framework with respect to partial occlusions. In case of partial occlusions, a significant performance gain of the component-based approach compared to existing approaches can be achieved.
Component-based pedestrian recognition for advanced driver assistance systems
2012
290 Seiten, Bilder, Tabellen, Quellen
Hochschulschrift
Englisch
Stationary video-based pedestrian recognition for driver assistance systems
Kraftfahrwesen | 2009
|Pedestrian Recognition by a Single Camera for Driver Assistance
British Library Conference Proceedings | 2008
|Pedestrian recognition by a single camera for driver assistance
Kraftfahrwesen | 2008
|Pedestrian recognition by a single camera for driver assistance
Tema Archiv | 2008
|