-
Stand der Technik
-
Die
Erfindung betrifft eine Vorrichtung zur Erkennung und/oder Klassifizierung
von Bewegungsmustern in einer Bildsequenz von einer Überwachungsszene,
wobei die Vorrichtung eine Schnittstelle zur Einspielung der Bildsequenz
und ein Berechnungsmodul zur Bestimmung eines optischen Flussfeldes
in der Überwachungsszene durch Auswertung der Bildsequenz
aufweist. Weiterhin betrifft die Erfindung ein entsprechendes Verfahren
und ein Computerprogramm.
-
Videoüberwachungssysteme
dienen beispielsweise zur Überwachung von öffentlichen
Plätzen, Bahnhöfen, Straßen, Industrieanlagen,
Gebäuden oder dergleichen. Die Videoüberwachungssysteme
umfassen meist eine oder mehrere Überwachungskameras, welche
auf Überwachungsszenen ausgerichtet sind und Bilddatenströme
in Form von Bildsequenzen an ein Auswertezentrum übermitteln. Während
es früher üblich war, die Bildsequenzen durch
geschultes Überwachungspersonal auszuwerten, werden in
der Zwischenzeit vermehrt automatisierte Auswertungen auf Basis
der digitalen Bildverarbeitung durchgeführt. Die Vorteile
von derartigen automatisierten Auswertungen liegen insbesondere darin,
dass zum einen die Personalkosten deutlich verringert sind und zum
anderen die Überwachungsqualität stets gleichbleibend
ist.
-
Ein
oftmals praktizierter Ansatz zur Erkennung und/oder Klassifizierung
von Bewegungsmustern in Überwachungsszenen ist es, bewegte
Objekte vom (im wesentlichen statischen) Szenenhintergrund zu trennen, über
die Zeit zu verfolgen und bei relevanten Bewegungen Alarm auszulösen.
Die verwendeten Verfahren werten im ersten Schritt für
die sogenannte Objektsegmentierung typischerweise die Bildunterschiede
zwischen dem aktuellen Kamerabild und einem sogenannten Szenenreferenzbild aus,
das den statischen Szenenhintergrund modelliert, um bewegte Objekte
zu detektieren.
-
Ein
anderer Ansatz analysiert dagegen den sogenannten optischen Fluss
in der Überwachungsszene durch Auswertung der Bildsequenz.
Bei der Berechnung des optischen Flusses werden die Translationsbewegungen
von Pixeln oder Bildbereichen von einem Bild zu einem nachfolgenden
Bild der Bildsequenz ausgewertet und auf Basis dieser Translationsbewegungen
ein Vektorfeld erstellt, welches für die untersuchten Pixel
bzw. Bereiche jeweils eine Translationsrichtung sowie eine Translationsgeschwindigkeit
bereitstellt. Bei diesem Ansatz wird eine Objektsegmentierung durchgeführt,
indem Objekte, welche hinsichtlich der Translationsvektoren, also
hinsichtlich des optischen Flusses, übereinstimmen, zu
einem gemeinsamen Objekt zugehörig klassifiziert werden.
-
Offenbarung der Erfindung
-
Erfindungsgemäß wird
eine Vorrichtung zur Erkennung und/oder Klassifizierung von Bewegungsmustern
in einer Bildsequenz von einer Überwachungsszene mit den
Merkmalen des Anspruchs 1, ein entsprechendes Verfahren mit den
Merkmalen des Anspruchs 12 und ein Computerprogramm mit den Merkmalen
des Anspruchs 14 vorgeschlagen. Bevorzugte oder vorteilhafte Ausführungsformen
der Erfindung ergeben sich durch die Unteransprüche, die
nachfolgende Beschreibung und/oder die beigefügten Figuren.
-
Die
erfindungsgemäße Vorrichtung zeichnet sich gegenüber
dem bekannten Stand der Technik insbesondere dadurch aus, dass die
Bewegungsmuster nicht unbedingt über den Zwischenweg einer Objektsegmentierung
und einer nachfolgenden Objektverfolgung erkannt und dann klassifiziert
werden, sondern, dass das optische Flussfeld selbst auf charakteristische
Bewegungsmuster durch einen Vergleich mit vorgegebenen und/oder
vorgebbaren Mustern, insbesondere Flussmasken, untersucht wird. Während
im Stand der Technik somit ein Einzelobjektansatz verfolgt wird,
schlägt die Erfindung einen Mehrobjektansatz vor, welcher
zugleich sämtliche bewegten Objekte in der Überwachungsszene und/oder
in einem Teilbereich der Überwachungsszene analysiert.
-
Die
Vorrichtung ist vorzugsweise als ein Videoüberwachungssystem
ausgebildet, welches beispielsweise als eine Datenverarbeitungseinrichtung, Computer,
DSP, Microcontroller, FPGA, ASIC oder dergleichen realisiert ist
und/oder eine oder mehrere Schnittstellen zur Einspielung von Bildsequenzen
einer oder mehrerer Überwachungsszenen aufweist. Die Schnittstellen
sind mit einer Mehrzahl von Kameras, Recorder und/oder anderen Speichermedien verbunden
und/oder verbindbar, auf denen die Bildsequenzen bereitgestellt
werden bzw. bereitstellbar sind. Die erfindungsgemäße
Vorrichtung eignet sich insbesondere aufgrund einer vergleichsweise
geringen Rechenleistungsanforderung für den Echtzeiteinsatz,
kann jedoch auch bereits gespeicherte Bildsequenzen insbesondere „Off-Line"
analysieren.
-
Die Überwachungsszene
kann – wie zum Beispiel bereits in der Einleitung dargestellt – als Straßenszene,
Kreuzung, öffentliches Gebäude, Bahnhof, etc.
ausgebildet sein. Vorzugsweise zeigt die Überwachungsszene
eine Mehrzahl von bewegten Objekten, die insbesondere als Menschen,
z. B. Passanten, aber auch als Fahrzeuge oder dergleichen ausgebildet
sein können. Die Bildsequenz umfasst eine Mehrzahl von
insbesondere zeitlich äquidistant aufgenommenen Bilder
der Überwachungsszene, wobei die Bilder eine beliebige
Spezifikation aufweisen können, so zum Beispiel als Farb-,
Graustufen-, Schwarzweiß-, Infrarot- und/oder UV-Bild realisiert
sind.
-
Die
erfindungsgemäße Vorrichtung weist ein Berechnungsmodul
auf, welches programmtechnisch und/oder schaltungstechnisch zur
Bestimmung eines optischen Flussfeldes in der Überwachungsszene
durch Auswertung der Bildsequenz ausgebildet ist. Das optische Flussfeld – auch
optischer Fluss oder „optical flow" genannt – ist
als ein Vektorfeld darstellbar, das die vorzugsweise zweidimensionale
Bewegungsrichtung und/oder Bewegungsgeschwindigkeit für
jeden oder jeden ausgewählten Bildpunkt, für jedes
oder jedes ausgewählte Pixel und/oder für jeden
oder jeden ausgewählten Bildbereich der Bilder einer Bildsequenz
angibt. Die Berechnung des optischen Flussfeldes kann über
differentielle Methoden, jedoch auch über jede beliebige
andere bekannte Methode erfolgen.
-
Erfindungsgemäß wird
vorgeschlagen, dass die Vorrichtung ein Erkennungsmodul aufweist,
welches programmtechnisch und/oder schaltungstechnisch ausgebildet
ist, das optische Flussfeld und/oder Teilbereiche davon, mit einem
oder mehreren Muster zu vergleichen, um ein Bewegungsmuster in der
Bildsequenz zu erkennen.
-
Insbesondere
erfolgt die Erkennung des Bewegungsmusters ohne die Zwischenschritte
der Objektsegmentierung – und -verfolgung, so dass zum
einen Ungenauigkeiten bei der Analyse vermieden und zum anderen
Rechenzeit eingespart werden kann. Die vorgeschlagene Erfindung
nutzt somit die Informationen, die durch Berechnung der Bewegung
von kleinen Bildbereichen gewonnen werden, wobei ein Bildbereich
auch aus einem einzigen Pixel bestehen kann. Für die Berechnung
dieser optischen Flussfelder ist es auch nicht nötig, ein
Szenenreferenzbild zu haben, da nur die aktuellen Kamerabilder verwendet werden.
Vorzugsweise wird auch die Entwicklung der Flussfelder über
die Zeit betrachtet.
-
Ein
weiterer nutzbarer Vorteil der Erfindung liegt darin, dass das zugrundeliegende
Verfahren anwendbar ist, auch wenn in der Überwachungsszene so
viele bewegte Objekte auftreten, dass diese sich gegenseitig überdecken,
verschmelzen und/oder, dass eine Objektsegmentierung z. B. über
ein Szenenreferenzbild nicht oder nicht mehr mit der notwendigen
Zuverlässigkeit möglich ist. Damit erlaubt die Erfindung
die Erkennung von Bewegungsmustern in den Bildsequenzen auch bei überbevölkerten Überwachungsszenen.
Insbesondere ist die Erfindung geeignet, Bewegungsmuster zu erkennen,
die durch ein massenpsychologisches und/oder gruppendynamisches
Verhalten begründet sind, also insbesondere durch das gemeinsame
Verhalten von großen Menschenansammlungen. Beispiele für
derartige Bewegungsmuster sind Zusammenströmen, Auseinanderströmen,
um ein Zentrum Herumströmen etc.
-
Bei
einer bevorzugten Ausführungsform der Erfindung ist das
Bewegungsmuster als ein globales Bewegungsmuster ausgebildet, welches
die Bewegung in der gesamten Überwachungsszene beschreibt.
Diese Ausführungsform ist besonders geeignet, wenn die Überwachungsszene
eine Menschenmenge zeigt und ein gemeinsames Verhalten der Menschen
in der Menschenmenge über die Analyse des Bewegungsmusters
klassifiziert werden soll.
-
Bei
einer anderen Ausführungsalternative ist das Bewegungsmuster
als ein lokales Bewegungsmuster ausgebildet, das die Bewegung in
einem Teilbereich der Überwachungsszene beschreiben. Der Teilbereich
kann bei einer möglichen Ausführungsalternative
durch einen Benutzer eingestellt sein, so dass beispielsweise eine
Rolltreppe als Teilbereich ausgewählt wird, oder bei einer
anderen möglichen Ausführungsalternative automatisiert
ermittelt werden, indem beispielsweise Teilbereiche ausgewählt werden,
in denen gegenüber anderen Teilbereichen der Überwachungsszene
mehr Objektbewegungen nachgewiesen werden. Es ist jedoch bevorzugt,
dass der Teilbereich der Überwachungsszenen eine Vielzahl
von bewegten Objekten aufweist, um die Vorteile der Erfindung am
besten ausnützen zu können.
-
Bei
einer Weiterbildung der Erfindung weist die Vorrichtung ein Klassifikationsmodul
auf, welches unter Berücksichtigung des oder der erkannten
Bewegungsmuster der Überwachungsszenen eine Überwachungssituation
zuordnet. Insbesondere erfährt die erfindungsgemäße
Vorrichtung eine anwendungsspezifische Ausprägung, indem
die Überwachungsszene als reale Überwachungsszene
einer realen Überwachungssituation zugeordnet wird. Im
Allgemeinen können derartige reale Überwachungssituationen
beliebig ausgebildet sein, zum Beispiel als eine Menschenschlange,
eine regulär befahrene Straße, ein bestimmungsgemäß benutzter
Kreisverkehr etc. Damit eignet sich die Erfindung reale Überwachungssituationen,
vorzugsweise Gefahrensituationen wie zum Beispiel gestürzte
Personen, Fluchtverhalten, Panik und Situationen, welche Schaulustige
anlocken, insbesondere in überbevölkerten Überwachungsszenen
automatisch zu erkennen und eine Reaktion auszulösen, wie
zum Beispiel die Aussendung eines Alarmrufs. Vorzugsweise ist jedoch
vorgesehen, dass das Klassifikationsmodul eine beliebige Auswahl
der nachfolgenden Zuordnungen aufweist:
- – Ein
Bewegungsmuster mit auf einem gemeinsamen Punkt gerichteten Flusslinien,
also eine Konvergenz, wird der Überwachungssituation „Versammeln"
zugeordnet. Ein derartige Überwachungssituation entsteht
beispielsweise beim Anströmen von bewegten Objekten, insbesondere Menschen
oder Schaulustigen zu einem gemeinsamen Zentrum.
- – Ein Bewegungsmuster mit von einem gemeinsamen Punkt
weggerichteten Flusslinien, also einer Divergenz, wird der Überwachungssituation „Verstreuen"
zugeordnet. Eine derartige Überwachungssituation entseht
beim Auseinanderströmen von bewegten Objekten, zum Beispiel
bei einer Flucht von Personen vor einem zentralen Punkt.
- – Ein Bewegungsmuster mit um einen gemeinsamen Punkt
laufenden Flusslinien wird der Überwachungssituation „Ausweichen"
zugeordnet und ist ein Beispiel für eine Überwachungssituation, wobei
die Überwachungsszene ein Hindernis aufweist, welches von
den bewegten Objekten umgangen wird.
-
Für
den Fall, dass das Berechnungsmodul mit den vorhandenen Mustern
keine oder nur eine ungenügende Übereinstimmung
bei dem Mustervergleich feststellen kann, ist das Berechnungsmodul ausgebildet,
statistische Kenngrößen des optischen Flussfeldes
zu ermitteln. Diese Ausführungsform ist besonders nützlich,
wenn bei einem optischen Flussfeld keine Struktur oder Bewegungsmodell
feststellbar ist. Durch die Ermittlung von statistischen Kenngrößen
wird geprüft, ob der Überwachungsszene die Überwachungssituation
Chaos oder einer Panik zugeordnet werden kann. Auch bei erkannten
Bewegungsmustern ist die Vorrichtung vorzugsweise so ausgebildet,
dass die erkannten Bewegungsmuster mit statistischen oder anderen
Kenngrößen bestätigt oder verizifiziert
werden.
-
Bei
einer bevorzugten Realisierung der Vorrichtung ist das Muster als
zwei- oder dreidimensionales Datenfeld ausgebildet. Es kann dabei
vorgesehen sein, dass die Größe des Musters der
Größe eines Bildes der Bildsequenz entspricht.
Alternativ kann vorgesehen sein, dass die Größe
des Musters der Größe eines Teilbereiches, insbesondere
des zu untersuchenden Teilbereichs des Bildes und damit auf die
relevante Überwachungsszene beschränkt ist. Bei
einer möglichen Alternative ist das Muster als Fenster
ausgebildet, mit dem das optische Flussfeld, zum Beispiel gleitend,
abgefahren wird.
-
Bei
einer bevorzugten Ausbildung der Erfindung wird das Bewegungsmuster
durch Anwendung eines Klassifikationsverfahrens erkannt. Bei einem derartigen
Klassifikationsverfahren wird das optische Flussfeld in einer ersten
Klassifikationsstufe mit einem ersten Muster, in einer zweiten Klassifikationsstufe
mit einem zweiten Muster und in einer n-ten Klassifikationsstufe
mit einem n-ten Muster verglichen. Ein Bewegungsmuster wird somit
durch eine Mehrzahl von positiv klassifizierten Einzelmustern erkannt.
Zur Ersparung von Rechenzeit kann beispielsweise vorgesehen sein,
dass sobald ein Muster einer Klassifikationsstufe in dem optischen
Flussfeld nicht gefunden werden kann, dieses Muster verworfen wird.
-
Bei
weiteren Ausführungsformen ist das Klassifikationsverfahren
als ein Klassifikationsbaum ausgebildet, wobei die Verzweigungen
des Baumes durch Klassifikationsstufen gebildet werden.
-
Nachdem
bei der Anwendung von mehreren Muster auf das optische Flussfeld
als Ergebnis eine Bewertung der Übereinstimmung der mehreren
Muster mit dem optischen Flussfeld vorliegt, ist es bevorzugt, dass
das Bewegungsmuster auf Basis von mehreren gefundenen Mustern erkannt
wird. Die Zuordnung der mehreren Muster zu einem Bewegungsmuster
kann beispielsweise automatisiert durch ein Lernverfahren umgesetzt
werden.
-
Bei
einer Implementierung ist bzw. sind die Muster als lineare, verschiebungsinvariante
Muster ausgebildet und/oder wird der Mustervergleich über eine
Clifford-Faltung umgesetzt. Die besonderen Vorteile einer Clifford-Faltung
und die Anwendung auf Vektorfelder ergeben sich beispielsweise aus
der Dissertationsschrift der Erfinderin Julia Ebling mit dem
Titel „Visualization and Analysis of Flowfields based an
Clifford-Convolution", Universität Leipzig, Diss.,.
-
Ein
weiterer Gegenstand der Erfindung betrifft ein Verfahren zur Erkennung
und/oder Klassifizierung eines oder des Bewegungsmusters in einer Bildsequenz
von einer oder der Überwachungsszene mit den Merkmalen
des Anspruchs 12, welches vorzugsweise auf der soeben beschriebenen
Vorrichtung bzw. auf der Vorrichtung gemäß der
vorhergehenden Ansprüche ausgeführt wird.
-
Bei
dem Verfahren wird in einem ersten Schritt das optische Flussfeld
in der Bildsequenz der Überwachungsszene berechnet und
in einem zweiten Schritt das optische Flussfeld mit einem oder mehreren
Mustern verglichen, um ein oder das Bewegungsmuster in der Bildsequenz
bzw. in der Überwachungsszene zu erkennen. Ein weiterer,
optionaler Schritt besteht darin, dass dem erkannten Bewegungsmuster
eine Überwachungssituation zugeordnet wird.
-
Ein
weiterer Gegenstand betrifft ein Computerprogramm mit Programmcode-Mitteln
mit den Merkmalen des Anspruchs 15.
-
Kurze Beschreibung der Zeichnungen
-
Weitere
Merkmale, Vorteile und Wirkung der Erfindung ergeben sich aus der
nachfolgenden Beschreibung eines bevorzugten Ausführungsbeispiels sowie
den beigefügten Figuren. Dabei zeigen:
-
1 eine
Blockdarstellung eines Videoüberwachungssystems als ein
erstes Ausführungsbeispiel der Erfindung;
-
2 eine
schematisierte Darstellung als ein erstes Beispiel für
ein optisches Flussfeld mit einem ersten Bewegungsmuster;
-
3 eine
schematisierte Darstellung als ein zweites Beispiel für
ein optisches Flussfeld mit einem zweiten Bewegungsmuster;
-
4 eine
schematisierte Darstellung als ein drittes Beispiel für
ein optisches Flussfeld mit einem dritten Bewegungsmuster;
-
5 eine
schematisierte Darstellung als ein viertes Beispiel für
ein optisches Flussfeld mit einem vierten Bewegungsmuster.
-
Ausführungsform(en) der Erfindung
-
Die 1 zeigt
in einer schematischen Blockdarstellung ein Videoüberwachungssystem 1, welches
zur Überwachung von Plätzen, Gebäuden, Kreuzungen,
Verkehrsknotenpunkten und dergleichen einsetzbar und beispielsweise
als Computersystem ausgebildet ist.
-
Das
Videoüberwachungssystem 1 ist über eine
Schnittstelle 2 mit einer oder mehreren Überwachungskamera(s) 3 sowie
einer oder mehreren Videorecorder(n) 4 verbunden. Die Überwachungskameras 3 sind
zur Überwachung der genannten Überwachungsszenen
positioniert und leiten den Bilddatenstrom entweder zunächst
zur Zwischenspeicherung in den oder die Videorecorder 4 oder
direkt in das Videoüberwachungssystem 1.
-
Ausgehend
von der Schnittstelle 2 werden die Bilddatenströme,
welche Bildsequenzen der Überwachungsszene entsprechen,
zunächst an ein Berechnungsmodul 5 übergeben.
Das Berechnungsmodul 5 ist programmtechnisch und/oder schaltungstechnisch
ausgebildet, um aus einer Bildsequenz einer Überwachungsszene
ein optisches Flussfeld bzw. ein sich zeitlich veränderndes
optisches Flussfeld zu erzeugen. Das optische Flussfeld wird beispielsweise
für die Translationsbewegungen von Pixeln oder Bildbereichen
in den Bildern der Bildsequenz über mindestens zwei und
vorzugsweise mehr als zehn Bilder erstellt. Es kann auch vorgesehen sein,
dass das optische Flussfeld quasi gleitend für die Bildsequenz
erstellt wird, indem für die Berechnung des aktuellen optischen
Flussfelds jeweils das älteste Bild aus der Berechnung
für das optische Flussfeld entfernt wird und durch das
neueste Bild der Bildsequenz ersetzt wird (FiFo).
-
Das
erzeugte optische Flussfeld wird an ein Erkennungsmodul 6 übergeben,
welches ausgebildet ist, das optische Flussfeld mit Muster oder
Mustermasken aus einem Musterspeicher 7 zu vergleichen, wobei
die Muster in dem Musterspeicher 7 so konzipiert sind,
dass Bewegungsmuster in der Bildsequenz bzw. in der Überwachungsszene
erkannt werden können. Die Muster in dem Musterspeicher 7 können
hierfür als zwei- oder dreidimensionale Datenfelder ausgebildet
sein und von der Größe eine ähnliche
Größe wie ein Bild der Bildsequenz oder wie ein
Teilbereich eines Bildes der Bildsequenz aufweisen. Zur Erkennung
eines Bewegungsmusters in dem optischen Flussfeld kann ein einziges
Muster aus dem Musterspeicher 7 auf das optische Flussfeld angewandt
werden, alternativ werden mehrere Muster aus dem Musterspeicher 7 auf
das optische Flussfeld angewandt und das Bewegungsmuster anhand von
Klassifikationsprozeduren, Entscheidungsbäumen, etc. erkannt.
-
Nachdem
ein Bewegungsmuster erkannt wurde, wird dieses an ein Klassifizierungsmodul 8 übergeben,
wobei das Klassifizierungsmodul 8 gestaltet ist, um dem
erkannten Bewegungsmuster eine bestimmte reale Überwachungssituation,
wie zum Beispiel Flucht, Zusammenströmen, Chaos, Panik etc.
zuzuordnen. Sobald die Zuordnung des Bewegungsmusters zu der Überwachungssituation
vollendet ist, kann optional über ein Benachrichtigungsmodul 9 eine
Nachricht an ein Überwachungspersonal abgesetzt werden.
-
Das
auf dem Videoüberwachungssystem 1 ablaufende Verfahren
umfasst somit die Schritte der Annahme von Bildern bzw. Bildsequenzen
einer Überwachungsszene, der Berechnung des optischen Flussfeldes
für das aktuelle Bild der Bildsequenz, optional eine zeitliche
Filterung des optischen Flussfeldes, um Störungen zu unterdrücken
und die Bestimmung von Überwachungssituationen über
den Vergleich des oder der optischen Flussfelder mit vorgegebenen
Flussmasken oder Muster, welche typische Bewegungsmuster beschreiben,
eine Analyse der berechneten Ähnlichkeiten, optional eine
statistische Analyse der Bewegungsrichtungen für weitere
Informationen und zur Absicherung der Ergebnisse und schließlich
die Klassifikation der Überwachungssituation gegebenenfalls
für verschiedene Bildbereiche.
-
Die 2 zeigt
in einer stark schematisierten Darstellung ein erstes Beispiel für
ein optisches Flussfeld 10 mit einem Bewegungsmuster wie
es beim Anströmen von Personen, wie zum Beispiel Schaulustigen,
entsteht. Wie der Figur zu entnehmen ist, sind alle oder die meisten
der Bewegungsvektoren 11 auf ein gemeinsames Zentrum 12 gerichtet,
so dass dieses Bewegungsmuster in einfacher Weise automatisiert
durch das Erkennungsmodul 6 erkannt werden kann. Das Bewegungsmuster
ist beispielsweise als konvergentes Bewegungsmuster zu bezeichnen.
Das durch das Erkennungsmodul 6 erkannte Bewegungsmuster
wird dann dem Klassifizierungsmodul 8 gemeldet, welches
diesem konvergenten Bewegungsmuster die Überwachungssituation „Anströmen
von Personen" zuordnet. Nachdem das Anströmen von Personen
zu einem gemeinsamen Zentrum 12 meistens dadurch ausgelöst
ist, dass in dem gemeinsamen Zentrum 12 eine nicht vorhergesehene
Gegebenheit passiert ist, wie zum Beispiel ein Unfall oder dergleichen,
führt die Klassifizierung des konvergierenden Bewegungsmusters
zu der Auslösung eines Alarms in dem Benachrichtigungsmodul 9.
-
Die 3 zeigt
ein zweites Ausführungsbeispiel eines schematisierten optischen
Flussfelds 10, welches ein Bewegungsmuster aufweist, das
dem Auseinanderströmen von Personen, wie es zum Beispiel
bei einer Flucht passiert, entspricht. Alle oder die meisten Flussvektoren 11 weisen
bei diesem Ausführungsbeispiel von dem gemeinsamen Zentrum 12 sternförmig
weg. Das Erkennungsmodul 6 wird dieses Bewegungsmuster
beispielsweise als divergierendes Bewegungsmuster erkennen und an das
Klassifizierungsmodul 8 weitergeben. Das Klassifizierungsmodul 8 wird
diesem divergierenden Bewegungsmuster die Überwachungssituation „Flucht" zuordnen
und das Benachrichtigungsmodul 9 anweisen, einen Alarm
auszulösen.
-
Die 4 zeigt
ein drittes Beispiel für ein optische Flussfeld 10,
wobei dieses dritte Beispiel das Bewegungsmuster von Personen zeigt,
die ein Hindernis umlaufen. Hier ergeben sich für die Flussvektoren 11 zwei
Strömungen, wobei die auf der linken Seite der 4 angeordnete
Strömung von oben nach unten verläuft und die
auf der rechten Seite angeordnete Strömung von unten nach
oben läuft. Das gemeinsame Zentrum 12 wird dabei
von beiden Strömen umgangen. Nachdem das Klassifizierungsmodul 8 dieses
Bewegungsmuster erhalten hat, wird es der Überwachungsszene
die Überwachungssituation eines aufgetretenen Hindernisses
zuordnen und ebenfalls in dem Benachrichtigungsmodul 9 einen Alarm
auslösen.
-
Die 5 zeigt
schließlich ein letztes Ausführungsbeispiel für
ein optisches Flussfeld 10, wobei die Flussvektoren 11 keine
einheitliche Richtung aufweisen und kein gemeinsames Zentrum feststellbar
ist. Bei der Übergabe eines derartigen Bewegungsmusters,
welches möglicherweise als chaotisches Bewegungsmuster
bezeichenbar ist, oder der Nachricht, dass kein Bewegungsmuster
auffindbar war, wird das Klassifizierungsmodul 8 als Überwachungssituation
von einer Paniksituation ausgehen und ebenfalls das Benachrichtigungsmodul 9 aktivieren.
-
Bei
allen in den 2 bis 5 gezeigten Bewegungsmustern
ist es möglich, die Ergebnisse und die Klassifizierung
der Überwachungssituation in der Qualität dadurch
zu verbessern, dass ergänzend statistische Auswertungen
der Flussvektoren 11 durchgeführt werden und geprüft
wird, ob die zu klassifizierende Überwachungssituation
beispielsweise mit den Bewegungsgeschwindigkeiten der Flussvektoren
logisch vereinbar ist. Die statistische Absicherung stellt somit
eine zusätzliche Überprüfung der Ergebnisse
dar.
-
Insgesamt
wird mit der Erfindung ein videobasiertes Überwachungssystem
vorgestellt, welches zur Beobachtung von Komplettszenarien einsetzbar ist,
wobei es besonders für die Beobachtung von Gefahrensituationen
in übervölkerten Szenen, also in Szenen, in denen
sich sehr viele bewegte Objekte bewegen, geeignet ist.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Nicht-Patentliteratur
-
- - Julia Ebling
mit dem Titel „Visualization and Analysis of Flowfields
based an Clifford-Convolution", Universität Leipzig, Diss. [0021]