Advertisement

Wissensbasierte aktive Szenenanalyse

  • D. Paulus
  • U. Ahlrichs
  • B. Heigl
  • H. Niemann
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Übersicht

In diesem Beitrag wird ein Gesamtsystem zur wissensbasierten Szenenexploration vorgestellt, das aus drei Hauptkomponenten besteht. Positionen von Objekten werden datengetrieben aufgrund ihrer Farbe hypothetisiert; Farbe wird auch zur Bildsegmentierung eingesetzt. Eine zweite Komponente, die dem aktiven Sehen zuzuordnen ist, steuert eine Schwenk/Neige-Kamera, die auf einem Linearschlitten montiert ist; hiermit wird zum einen eine Schätzung der Entfernung der Objekte von der Kamera errechnet, zum anderen werden anschließend die Objekthypothesen formatfullend aufgenommen. Ein drittes Modul zur wissenbasierten Bildanalyse verwendet eine Objektrepräsentation in Form von semantischen Netzen um abschließend mittels einer explizit repräsentierten Explorationsstrategie die einzelnen Objekte zu erkennen. Experimente in einer Büorumgebung belegen, daß diese Architektur dazu verwendet werden kann, flexibel Objekte zu erkennen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    U. Büker, J. Dunker, G. Hartmann, E. Seidenberg: Aktives Sehen für die 3-D Objekter-kennung in hybrider Architektur, in B. Mertsching (Hrsg.); Aktives Sehen in technischen und biologischen Systemen, Proceedings in Artificial Intelligence, Infix, Sankt Augustin, Dezember 1996, S. 174–181.Google Scholar
  2. 2.
    D. Crevier, R. Lepage: Knowledge-Based Image Understanding Systems: A Survey, CVIU, Bd. 67, Nr. 2, August 1997, S. 161–185.Google Scholar
  3. 3.
    J. Denzler, B. Heigl, D. Paulus: Farbsegmentierung für aktives Sehen, in V. Rehrmann (Hrsg.): Erster Workshop Farbbildverarbeitung, Bd. 15 von Fachberichte Informatik, Universität Koblenz-Landau, 1995, S. 9–12.Google Scholar
  4. 4.
    B. Heigl, D. Paulus: Punktverfolgung in Farbbildsequenzen, in D. Paulus, T. Wagner (Hrsg.): Dritter Workshop Farbbildverarbeitung, IRB-Verlag, Stuttgart, 1997, S. 87–92 & 105.Google Scholar
  5. 5.
    J. Hornegger: Statistische Modellierung, Klassifikation und Lokalisation von Objekten, Shaker Verlag, Aachen, 1996.Google Scholar
  6. 6.
    Proceedings of the International Conference on Image Processing (ICIP), IEEE Computer Society Press, Lausanne, Schweiz, September 1996.Google Scholar
  7. 7.
    F. Kümmert, G. Fink, G. Sagerer: Schritthaltende hybride Objektdetektion, in E. Paulus, F. Wahl (Hrsg.): Mustererkennung 1997, Braunschweig, 1997, S. 137–144.CrossRefGoogle Scholar
  8. 3.
    H. Niemann: Pattern Analysis and Understanding, Bd. 4 von Springer Series in Information Sciences, Springer, Heidelberg, 1990.Google Scholar
  9. 9.
    D. Paulus, L. Csink: On Color Normalization, in S. Tanäs, B. Josef (Hrsg.): Magyar Kepfeldolgozök es Alakfelismerök Orszßgos Konferencißja, Konferenciakiadvßny, Budapest, 1997, S. 222–229.Google Scholar
  10. 10.
    D. Paulus, J. Hornegger: Pattern Recognition of Images and Speech in C, Advanced Studies in Computer Science, Vieweg, Braunschweig, 1997.Google Scholar
  11. 11.
    J. Pösl, H. Niemann: Statistical 3-D Object Localization Without Segmentation Using Wavelet Analysis, in Computer Analysis of Images and Patterns (CAIP), Springer, Kiel, September 1997, S. 440–447.CrossRefGoogle Scholar
  12. 12.
    C. Schroeder, B. Neumann: On the Logics of Image Interpretation: Model Construction in a Formal Knowledge-Representation Framework, in ICIP 96 [6], S. 18A2.Google Scholar
  13. 13.
    G. Socher, G. Sagerer, F. Kümmert, T. Fuhr: Talking About 3D Scenes: Integration of Image and Speech Understanding in a Hybrid Distributed System, in ICIP 96 [6], S. 18A2.Google Scholar
  14. 14.
    M. J. Swain, D. H. Ballard: Color Indexing, International Journal of Computer Vision, Bd. 7, Nr. 1, November 1991, S. 11–32.Google Scholar
  15. 15.
    R. Y. Tsai: A Versatile Camera Calibration Technique for High-Accuracy 3D Machine Vision Metrology using Ojf-the-Shelf TV Cameras and Lenses, IEEE Journal of Robotics and Automation, Bd. Ra-3, Nr. 3, August 1987, S. 323–344.Google Scholar
  16. 16.
    R. Willson: Modeling and Calibration of Automated Zoom Lenses, PhD thesis, Carnegie Mellon University, Pittsburgh, 1994.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1998

Authors and Affiliations

  • D. Paulus
    • 1
  • U. Ahlrichs
    • 1
  • B. Heigl
    • 1
  • H. Niemann
    • 1
  1. 1.Lehrstuhl für Mustererkennung (LME, Informatik 5) Martensstr. 3Universität Erlangen-NürnbergErlangenGermany

Personalised recommendations