Videoanalyse und Objekttracking

Präsenzstudium: ca. 40h, Eigenstudium: ca. 110h

Lineare Algebra (IF-I-B-103), Digitale Bildverarbeitung (IF-I-M002), Numerische Mathematik (IF-I-B-M02)

Nützlich: Deep Learning

• Kenntnis notwendiger Grundlagen, wesentlicher Ansätze als auch praktischer Verfahren, die für den Aspekt 'Bewegung' in Bildern spezifisch sind
• die Fähigkeit, Aufgaben einzuordnen, eigenständig Lösungen zu erarbeiten, vom Konzept bis hin zu eigenen algorithmischen Umsetzungen
• Erreichen einer kritischen Urteilsfähigkeit über Konzepte
• Kompetenz, selbst wissenschaftlich neue Konzepte zu erarbeiten

Bewegung ist neben z.B. Farbe, Form und Textur ein wesentlicher Informationskanal zur Unterstützung der Erkennungsleistung in der Bildverarbeitung.

Anwendungsgebiete sind u.a. das Schätzen optischer Flußvektorfelder, das Tracken bewegter Objekte im Straßenverkehr, die Basis für 'Structure-from-Motion'.

In Referaten und Seminararbeiten stellen die Studierenden ihre Themenstellungen aus folgenden fachlichen Bereichen vor:

• Struktur und Bewegung (Modellierung der Szene und des Abbildungsprozesses, Kamera- und Beobachterbewegung, Bewegung starrer Körper, Perspektivisches Bewegungsmodell)
• Signalverarbeitung und Korrespondenzproblem (Bewegungsdetektion, Aperturproblem, Kontinuitätsgleichung und optischer Fluß (OF), lokale OF-Schätzung, Strukturmatrix
• nichtlokale Modelle und Bewegungssegmentation (Variationsansätze, Diffusionsverfahren zur Bewegungssegmentation, globale Schätzung von Verschiebungsvektorfeldern)
• Tracking-Verfahren (Parameterschätzung, Gauß-Markov-Theorem, Kalman-Filter und Bewegungsmodell, Particle Filter, Aktive Konturen)
• Structure-from-Motion

Tafel, Beamer, selbstgesteuertes Lernen in Kleingruppen, Literaturstudium, praktische Umsetzungen in z.B. Python/jupyter, Matlab oder C++

• Active Contours, A. Blake, M. Isard, Springer-Verlag, 1998
• Tracking and Data Association, B.S. Yaakov, T.E. Fortmann, Academic Press, 1988
• themenspezifische Literatur wird jeweils zusätzlich ausgegeben