Status des Praktikums: vergeben
Betreuer: Andreas Zweng, Michael Hödlmoser

Beschreibung

Visuelle Überwachungssysteme sollten in der Lage sein, bewegte Objekte, wie zum Beispiel Fußgänger und Fahrzeuge, automatisch und robust zu identifizieren. Mit der Annahme eines statischen Hintergrundmodells können mittels statistischer Methoden gute Hintergrundmodelle erstellt werden. Werden aber auch im Hintergrund Bewegungen ausgeführt (z.B. Bäume, die im Wind wehen, Beleuchtungsschwankungen, oder fließendes Wasser) so muss ein erweitertes Hintergrundmodell zur Anwendung kommen, um zum Beispiel die Bewegung im Vordergrund aus dem Bild extrahieren zu können. Ziel dieses Praktikums ist die Implementierung einer Vorder-/Hintergrundsegmentierung, die Hintergrundbewegungen berücksichtitgt, basierend auf [1]. Zusätzlich soll die Implementierung mit der Methode, die in [2] und [3] beschrieben ist, bezüglich Rechenintensität und Performance verglichen werden.

Literatur:
[1] Qiang Z., Shai A., Kwang-Ting C.Learning a Sparse, Corner-Based Representation for Background Modelling, In Proc. of ICCV, Peking, China, 2005.

[2] Wren C. et al:Pfinder: Real-time Tracking of the Human Body, In Transactions on Pattern Analysis and Machine Intelligence, pp 780-785, 1997.

[3] Blauensteiner P.:Motion Detection and Shadow Suppression in Video Streams, Master Thesis, Vienna University of Technology, December, 2007.

Zielsetzung

Implementierung zur Bestimmung eines Hintergrundmodells, das auch Bewegungen im Hintergrund berücksichtigt. Weiters sollten die Ergebnisse mit den Ergebnissen der Methode, die in [2] und [3] beschrieben ist, bezüglich Rechenintensität und Performance verglichen und in einem kurzen Bericht zusammengefasst werden.

Gliederung

• Studium der vorhandenen Algorithmen und Implementierungen zum Thema Segmentierung (siehe [1], [2] und [3]).
• Implementierung der Methode, beschrieben in [1].
• Vergleich der Implementierung mit [2].
• Schriftlicher Bericht und Präsentation des Praktikums.

Sonstiges

• Grundlegende Kenntnisse der Bildverarbeitung von Vorteil
• Matlab oder C/C++ Kenntnisse von Vorteil