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.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Detektion und Klassifikation von Fahrzeugen in Echtzeit


    Contributors:


    Publication date :

    2005


    Size :

    8 Seiten, 3 Bilder, 11 Quellen



    Type of media :

    Conference paper


    Type of material :

    Print


    Language :

    German




    Detektion in Echtzeit. Erdgas

    Focke, Jens | Tema Archive | 2007


    DETEKTION VON NICHT-AUTORISIERTEN FAHRZEUGEN

    FARRELLY WILL / NICOLL DOUGLAS / SCOTT JONATHAN et al. | European Patent Office | 2015

    Free access

    Verfahren zur Detektion von entgegenkommenden Fahrzeugen

    BERGER GISBERT | European Patent Office | 2018

    Free access