Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Das Verfolgen (Tracking) visueller Objekte erfolgt durch Kameras und hat vielfältige Einsatzmöglichkeiten. Jedoch stellen Hintergrundrauschen, Verdeckungen, sich ändernde Beleuchtungen und schnelle Objektbewegungen große Herausforderung dar. Das Ziel dieser Dissertation ist, den Messprozess in Bayes-basierten Filtern für das Tracken visueller Objekte in folgender Art und Weise zu verbessern: Erstens: Wir kombinieren mehrere visuelle Hinweise (visual cues), um Messungen für das Tracking von Straßen zu verbessern. Die Straße wird mittels eines linear-parabolischen Modells beschrieben, welches einen Kompromiss zwischen Akkuratheit der Beschreibung und Robustheit des Modells mit Hinblick auf Bildartefakte darstellt. Im Gegensatz zu vorherigen Methoden für linear-parabolisches StraßenTracking benutzen wir nicht nur Farb- und Kanteninformationen, sondern auch Gradienteninformation als visuelle Hinweise. Sind diese lokalen visuellen Hinweise vorhanden, wird das StraßenTracking zu einem statistischen Referenzproblem. Die Wahrscheinlichkeitsverteilungen der Straßenparameter werden aus den visuellen Hinweisen durch Multiple Kernel Density Estimation, welches erwiesenermaßen sehr robust gegenüber Bildrauschen ist, geschätzt. Des weiteren benutzen wir diese Wahrscheinlichkeitsverteilungsfunktion als Messmodell für den Partitioned Particle Filter, um die Straßenparameter zu aktualisieren. Die Experimente zeigen, daß unsere neue Methode für das StraßenTracking seine Stärke in der neuen Kombination und Verbesserung verschiedener, fortgeschrittener Methoden hat.Zweitens: Wir benutzen farbinvariante Histogramme, um den Messprozess für das Tracking starrer Objekte zu verbessern. Aufgrund ihrer Einfachheit, Effektivität und Effizienz sind Farbhistogramme als Deskriptoren für das Tracking von Objekte sehr beliebt und wichtig geworden. Jedoch sind sie bei Änderung der Umgebungsbeleuchtung problembehaftet. In diesem Artikel untersuchen wir dieses Problem indem wir a) die Invarianzeigenschaften und die Unterscheidungskraft von ...