-
HINTERGRUND DER ERFINDUNG
-
Hyperspektral-Kameras sind in der Lage, hyperspektrale Einzelbilder oder Datenwürfel mit Videobildraten zu erfassen. Diese Kameras erfassen Bilder mit hoher räumlicher und spektraler Auflösung. In Kombination mit auf Computerbilderkennung und spektrale Analyse bezogenen Techniken haben sich Betreiber von hyperspektralen Kameras mit Überwachungsanwendungen in Bezug auf Detektion, Verfolgung und Identifikation von abgebildeten Objekten befasst.
-
KURZBESCHREIBUNG DER ERFINDUNG
-
Ein Aspekt der Erfindung betrifft ein Verfahren zur Bewegungsverfolgung wenigstens eines Objektes von einer Gruppe sich bewegender Objekte unter Anwendung hyperspektraler Bildgebung. Das Verfahren beinhaltet die Gewinnung einer Serie von hyperspektralen Einzelbildern; den Vergleich jedes Einzelbildes in der Serie mit einer Vorlage, um Bildveränderungen zwischen den Einzelbildern zu ermitteln; die Identifizierung einer Pixelgruppe in jedem Einzelbild, die den Änderungen zugeordnet ist; die Identifizierung von Änderungen als Bewegung der sich bewegenden Objekte; die Korrelation der Pixelgruppen von Einzelbild zu Einzelbild, um wenigstens einen Parameter der Bewegung der Objekte räumlich zu ermitteln; und die Korrelation der Pixelgruppen mit einem dem wenigstens einem Objekt zugeordneten Spektralreflexionsprofil, wobei die Spur des wenigstens einen Objektes von den Spuren anderer sich bewegender Objekte unterscheidbar ist.
-
KURZBESCHREIBUNG DER ZEICHNUNGEN
-
In den Zeichnungen ist bzw. stellt dar:
-
1 ein Flussdiagramm, das ein Verfahren zur Bewegungsverfolgung wenigstens eines Objektes von einer Gruppe sich bewegender Objekte unter Anwendung hyperspektraler Bildgebung gemäß einer Ausführungsform der Erfindung darstellt;
-
2 ein Szenario, in welchem eine hyperspektrales Bildgebungssystem zwei Objekte gemäß einer Ausführungsform der Erfindung detektiert und verfolgt hat.
-
BESCHREIBUNG VON AUSFÜHRUNGSFORMEN DER ERFINDUNG
-
In dem Hintergrund und der nachfolgenden Beschreibung werden für die Zwecke der Erläuterung zahlreiche spezifische Details für ein umfassendes Verständnisses der hierin beschriebenen Technologie dargestellt. Es wird für den Fachmann jedoch ersichtlich sein, dass die exemplarischen Ausführungsformen ohne diese spezifischen Details ausgeführt werden können. In weiteren Fällen werden Strukturen und Vorrichtungen in schematischer Form dargestellt, um die Beschreibung der exemplarischen Ausführungsformen zu erleichtern.
-
Die exemplarischen Ausführungsformen werden unter Bezugnahme auf die Zeichnungen beschrieben. Diese Zeichnungen veranschaulichen bestimmte Details spezifischer Ausführungsformen, die ein Modul, ein Verfahren oder ein hierin beschriebenes Computerprogrammprodukt implementieren. Jedoch sollten die Zeichnungen nicht als irgendwelche Einschränkungen vorgebend betrachtet werden, die in den Zeichnungen vorhanden sein können. Das Verfahren und das Computerprogrammprodukt können auf jedem maschinenlesbaren Medium zum Erreichen ihrer Operationen bereitgestellt werden. Die Ausführungsformen können unter Verwendung eines vorhandenen Computerprozessors oder durch einen speziellen Computerprozessor implementiert werden, der für diesen oder einen anderen Zweck enthalten ist, oder durch ein drahtgebundenes System implementiert werden.
-
Wie vorstehend angemerkt, können hierin beschriebene Ausführungsformen ein Computerprogrammprodukt enthalten, das ein maschinenlesbares Medium für den Transport aufweist oder maschinenausführbare Instruktionen oder Datenstrukturen darauf gespeichert hat. Derartige maschinenlesbare Medien können beliebige verfügbare Medien sein, auf welche durch einen Allzweck- oder Spezialzweck-Computer oder eine andere Maschine mit einem Prozessor zugegriffen werden kann. Beispielsweise können derartige maschinenlesbare Medien einen RAM, ROM, EPROM, EEPROM, CD-ROM oder anderen optischen Plattenspeicher, Magnetplattenspeicher oder andere magnetische Speichervorrichtungen oder irgendein anderes Medium aufweisen, das zum Transportieren oder Speichern von gewünschten Programmcode in der Form von maschinenausführbaren Instruktionen oder Datenstrukturen verwendet werden kann, und auf das von einem Allzweck- oder Spezialzweck-Computer oder einer anderen Maschine mit einem Prozessor zugegriffen werden kann. Wenn Information über ein Netzwerk oder eine andere Kommunikationsverbindung (entweder drahtgebunden, drahtlos oder über eine Kombination von drahtgebunden oder drahtlos) an eine Maschine übertragen oder geliefert wird, betrachtet die Maschine korrekterweise die Verbindung als ein maschinenlesbares Medium. Somit wird jede derartige Verbindung korrekterweise als ein maschinenlesbares Medium bezeichnet. Kombinationen der Vorstehenden sind ebenfalls in dem Schutzumfang maschinenlesbarer Medien beinhaltet. Maschinenausführbare Instruktionen umfassen beispielsweise Instruktionen und Daten, welche einen Allzweck-Computer, Spezialzweck-Computer oder Spezialzweck-Verarbeitungsmaschinen veranlassen, eine bestimmte Funktion oder Gruppe von Funktionen auszuführen.
-
Ausführungsformen werden im allgemeinen Kontext von Verfahrensschritten beschrieben, die in einer Ausführungsform durch ein Programmprodukt implementiert sein können, das maschinenausführbare Instruktionen, wie z.B. Programmcode beispielsweise in der Form von Programmmodulen enthält, die von Maschinen in vernetzten Umgebungen ausgeführt werden. Im Allgemeinen enthalten Programmmodule Routinen, Programme, Objekte, Komponenten, Datenstrukturen usw., die die technische Auswirkung einer Durchführung spezieller Aufgaben haben oder spezielle abstrakte Datentypen implementieren. Maschinenausführbare Instruktionen, zugeordnete Datenstrukturen und Programmmodule stellen Beispiele von Programmcode zur Ausführung von Schritten des hierin beschriebenen Verfahrens dar. Die spezielle Ablauffolge derartiger ausführbarer Instruktionen oder zugeordneter Datenstrukturen repräsentieren Beispiele entsprechender Handlungen zum Implementieren der in derartigen Schritten beschriebenen Funktionen.
-
Ausführungsformen können in einer vernetzten Umgebung unter Anwendung logischer Verbindungen mit einem oder mehreren entfernten Computern mit Prozessoren ausgeführt werden. Logische Verbindungen können ein lokales Netzwerk (LAN) und ein Weitbereichsnetzwerk (WAN) beinhalten, die hier im Rahmen eines Beispiels und nicht einer Einschränkung präsentiert werden. Derartige Vernetzungsumgebungen sind in Büro- oder Unternehmens-Computernetzwerken, internen Netzen und dem Internet allgemein üblich und können eine große Vielfalt unterschiedlicher Kommunikationsprotokolle verwenden. Der Fachmann wird erkennen, dass derartige Netzwerk-Computerumgebungen typischerweise viele Arten von Computersystemkonfigurationen einschließlich Personal Computer, Handgeräten, Multiprozessor-Systemen, Mikroprozessor-basierende oder programmierbare Verbraucherelektronik, Netzwerk-PCs, Mini-Computer, Groß-Computer und dergleichen umfassen.
-
Ausführungsformen können auch in verteilten Computerumgebungen ausgeführt werden, in welchen Aufgaben durch lokale und entfernte Verarbeitungsvorrichtungen ausgeführt werden, die (entweder durch drahtgebundene Verbindungen, drahtlose Verbindungen oder eine Kombination von drahtgebundenen oder drahtlosen Verbindungen) über ein Kommunikationsnetzwerk verbunden sind. In einer verteilten Computerumgebung können sich Programmmodule sowohl in lokalen als auch entfernten Speichervorrichtungen befinden.
-
Ein exemplarisches System zur Implementation der gesamten oder von Teilen der exemplarischen Ausführungsformen könnte ein Allzweck-Computervorrichtung in der Form eines Computers mit einer Verarbeitungseinheit, einem Systemspeicher und einem Systembus, der die verschiedenen Systemkomponenten einschließlich des Systemspeichers mit der Verarbeitungseinheit verbindet, enthalten. Der Systemspeicher kann einen Nur-Lese-Speicher (ROM), Arbeitsspeicher (RAM) enthalten. Der Computer kann auch ein magnetisches Festplattenlaufwerk enthalten, um von einer magnetischen Festplatte zu lesen und darauf zu schreiben, ein Magnetplattenlaufwerk zum Lesen von oder zum Schreiben auf einer entfernbaren magnetischen Platte, und ein optisches Plattenlaufwerk zum Lesen von oder Schreiben auf einer entfernbaren optischen Platte, wie z.B. einer CD-ROM oder ein anderes optisches Medium. Die Laufwerke und deren zugeordneten maschinenlesbaren Medien stellen einen nicht-flüchtigen Speicher für maschinenausführbare Instruktionen, Datenstrukturen, Programmmodule und andere Daten für den Computer bereit.
-
Technische Auswirkungen des in den Ausführungsformen beschriebenen Verfahrens beinhalten die Erhöhung der Nutzbarkeit und der Leistung von Fernbildgebungssystemen zur Objektdetektion und Verfolgung. Das Verfahren verringert Fehler in der herkömmlichen räumlichen Verfolgung aufgrund von Verdeckungen, Fleckverschmelzung, Einzelbildausfall, Objektüberschneidung und anderer Probleme in Verbindung mit Einzelbild-Unterscheidungstechniken, die Grauwertbildkontrast-basierende Detektionsverfahren anwenden. Das Verfahren verbessert auch autonome Objektverfolgungssysteme, indem es Basisautonomination, Wiedererfassung und Zielsuchfähigkeiten bereitstellt.
-
1 ist ein Flussdiagramm, das ein Verfahren zur Bewegungsverfolgung von einem oder mehreren Objekten in einer Gruppe von Objekten gemäß einer Ausführungsform der Erfindung darstellt, die eine Vereinigung spektraler und räumlicher Information nutzt, die in hyperspektralen Bildern enthalten ist. Zu Beginn kann es bei dem Schritt 100 im Verlauf des Betriebs einer mit einer hyperspektralen Kamera ausgerüsteten Plattform erforderlich sein, das Bild für die Zwecke der Detektion, Verfolgung und Identifikation von Objekten zu verarbeiten.
-
Bei dem Schritt 110 kann die Hyperspektral-Kamera eine Serie von hyperspektralen Einzelbildern gewinnen. Ein Prozessor an Bord der Plattform kann die Verarbeitung der Einzelbilder durchführen oder kann die Übertragung der Bilder an eine entfernte Stelle zur Verarbeitung durch einen zweiten Prozessor oder ein Verarbeitungssystem (kollektiv als "ein Prozessor" bezeichnet) anweisen. Zu Beginn kann der Prozessor Veränderungen in den hyperspektralen Einzelbildern durch räumliche Analysetechniken ermitteln. Gemäß Darstellung in 1 kann der Prozessor bei 112 eine Ablauffolge von Schritten 114, 118 an den hyperspektralen Einzelbildern mit einem Ziel der Ermittlung von Änderungen in den Bildern durch Vergleichen mit einer Vorlage 115 durchführen. Der Prozessor kann zuerst einen Vergleich von Einzelbild zu Einzelbild bei dem Schritt 114 der Bilder unter Verwendung herkömmlicher räumlicher Analyse oder Bildverarbeitungstechniken durchführen. Durch die Durchführung eines direkten Vergleichs der räumlichen Eigenschaften der Einzelbilder kann der Prozessor Eigenschaften der Bilder bezüglich Kalibrierung und Ausrichtung der Bilder ermitteln oder kann Eigenschaften der abgebildeten Szene bezüglich abgebildeten Objekten in Bewegung ermitteln. Bezüglich Kalibrierung und Ausrichtung kann der Prozessor eine Reihe allgemein bekannter Bildverarbeitungstechniken durchführen, die Rauschfilterung, Kantendetektion, Bildausrichtung, Homographie und Ausrichtung von Einzelbild zu Einzelbild betreffen können, jedoch nicht darauf beschränkt sind. Der Prozessor kann weitere Bildverarbeitungstechniken bezüglich der Detektion von Objekten in den Einzelbildern auf der Basis von Bildeigenschaften, wie z.B. Kontrast, Auflösung und Helligkeit, anwenden.
-
Teilweise auf der Basis des Vergleichs von Einzelbild zu Einzelbild bei dem Schritt 114 kann der Prozessor Bildveränderungen zwischen den Einzelbildern bei dem Schritt 118 ermitteln. Der Prozessor kann die Einzelbilder und die als Differenzen zwischen den Einzelbildern identifizierten Merkmale mit Bezugszielvorlagen 115 bekannter Ziele vergleichen, die in einer Vorlagendatenbank 116 gespeichert sein können. Die Bezugszielvorlagen 115 können zuvor festgelegte Deskriptoren sein, die die räumlichen Eigenschaften eines hyperspektralen Bildes eines interessierenden Realwelt-Objektes repräsentieren. Beispielsweise kann eine Vorlage 115 einen Satz von Pixeln enthalten, die die erwartete Form eines von dem System abgebildeten Objektes demonstrieren. Alternativ kann eine Vorlage 115 aus einem Satz von Vektoren bestehen, die zur Darstellung einer speziellen Zerlegung der erwarteten Form eines Objektes, beispielsweise als das Ausgangssignal einer Hauptkomponentenanalyse oder einer Wavelet-Transformation gespeichert sind. Unabhängig von dem speziellen Format des räumlichen Deskriptors in den Vorlagen 115 kann der Prozessor eine Korrelation oder Abgleichoperation bei dem Schritt 118 durchführen, um eine frühere Kenntnis bezüglich Objekten zu nutzen, die in einer Vorlage 115 codiert sind, um weitere Änderungen in den Einzelbildern zu ermitteln.
-
Der Prozessor kann vom Schritt 118 aus detektierte Änderungen in den Einzelbildern ausgeben, die sowohl von einem Vergleich von Einzelbild zu Einzelbild bei dem Schritt 114 als auch einer Vorlage 115 abgeleitet sind. Mit einem Ziel, zu verfolgende potentielle Objekte zu identifizieren, gibt der Prozessor bei dem Schritt 118 Pixelgruppen in den Einzelbildern aus. In einer Ausführungsform der Erfindung kann der Prozessor die Ausgabe an einen Schritt 120 anweisen, um eine Pixelgruppe in jedem den detektierten Änderungen zugeordneten Einzelbild zu identifizieren. In einer weiteren Ausführungsform kann der Prozessor direkt die Ausgabe mittels eines Steuerungsablaufes 132 an einen Schritt 128 anweisen, um die Pixelgruppen zur spektralen Charakterisierung der Objekte zu korrelieren.
-
Bei dem Schritt 120 kann der Prozessor eine Pixelgruppe in jedem Einzelbild identifizieren, das den bei dem Schritt 118 ausgegebenen detektierten Änderungen zugeordnet ist. Der Prozessor kann eine Serie von Funktionen und Berechnungen an den individuellen Einzelbildern ausführen, um Pixel in jedem Einzelbild in eine Pixelgruppe zu verbinden, zu vereinen und/oder zu sammeln, die detektierten Änderungen in den Einzelbildern zugeordnet sind, die sowohl aus dem Vergleich von Einzelbild zu Einzelbild beim Schritt 114 und den Vorlagen 115 abgeleitet sind. Dann kann der Prozessor bei dem Schritt 122 eine Bewegung von sich bewegenden Objekten in der Serie der Einzelbilder auf der Basis der detektierten Änderungen in den Einzelbildern und der Pixelgruppe in jedem Einzelbild, das den detektierten Veränderungen zugeordnet ist, identifizieren. Nach der Detektion und Identifizierung sich bewegender Objekte in der Serie hyperspektraler Einzelbilder kann der Prozessor ferner die Pixelgruppen über die Einzelbilder hinweg korrelieren, um die Bewegung der identifizierten detektierten Objekte bei dem Schritt 124 räumlich zu charakterisieren. Der Prozessor kann die Bewegung auf der Basis bekannter Bildverarbeitungs- und Computererkennungstechniken parametrisieren, um eine Eigenschaft, wie z.B. Geschwindigkeit oder Beschleunigung, zu ermitteln. Die Parametrisierung der Bewegung kann dann als eine zusätzliche Information für anschließende Verfolgungsbemühungen verwendet werden. Beispielsweise kann der Prozessor eines Verfolgungssystems mit früherer Information, die die Geschwindigkeit eines verfolgten Objektes genauer beschreibt, zusätzliche Transformationen anwenden, wenn die Vergleiche von Einzelbild zu Einzelbild und die räumliche Vorlagenübereinstimmung verarbeitet werden, um die erwartete Lage des Objektes in den hyperspektralen Einzelbildern zu berücksichtigen.
-
Bei dem Schritt 128 kann der Prozessor die Korrelation der Pixelgruppen zu einem Spektralreflexionsprofil 125 ermitteln, das in einer Spektralreflexionsprofildatenbank 126 gespeichert ist. Das Spektralreflexionsprofil 125 kann im Voraus ermittelt werden und kann die spektralen Eigenschaften eines hyperspektralen Bildes eines interessierenden Realwelt-Objektes beschreiben. Ferner kann das Spektralreflexionsprofil 125 aus vielen spektralen Reflexionssignaturen zusammengesetzt sein. Daher kann die spektrale Reflexionsdatenbank 126 sowohl die spektralen Reflexionssignaturen eines interessierenden Realwelt-Objektes als auch die räumlichen Beziehungen zwischen diesen beschreiben.
-
Um die Pixelgruppe mit einem in der Spektralreflexionsprofildatenbank 126 beschriebenen Objekt zu korrelieren oder abzugleichen, kann der Prozessor ermitteln, ob die räumliche Verteilung der Pixelgruppe für jede Signatur der räumlichen Verteilung von Signaturen in einem Spektralreflexionsprofil 125 ähnlich ist. Da die Datenbank 126 Spektralreflexionsprofile mehrere Profile 125 bezüglich mehrerer Objekte haben kann, kann der die Pixelgruppen mit einem Spektralreflexionsprofil 125 korrelierende Prozessor einen hyperspektralen Suchalgorithmus einsetzen, um die Pixelgruppe mit einem speziellen Reflexionsprofil 125 abzugleichen.
-
Eine Anzahl von hyperspektralen Suchalgorithmen wurde bereits entwickelt und bei der Verarbeitung von hyperspektralen Bildern für den Zweck der Objektdetektion eingesetzt. Typischerweise nutzen auf der Basis allgemein bekannter statistischer Konzepte hyperspektrale Suchalgorithmen statistische Eigenschaften von Kandidatenobjekten in den Bildern. Beispielsweise ist der Mahalanobis-Abstand ein statistisches Ähnlichkeitsmaß, das oft bei hyperspektralen Pixelsignaturen angewendet wird. Der Mahalanobis-Abstand misst die Signaturähnlichkeit durch Prüfen der Signatur gegenüber einem mittleren und Standardabweichung von einer bekannten Klasse von Signaturen. Ähnlichkeitsmesswerte können Elemente bekannter Spektralanalyse-Detektionstechniken, wie z.B. Spectral Angle Mapping (SAM), Spectral Information Distance (SID), Zero Mean Differential Area (ZMDA) oder den Bhattacharyya-Abstand beinhalten. Der Prozessor kann weitere Ähnlichkeitsmaße abhängig von der Implementation einsetzen.
-
Obwohl die Spektralreflexionsprofile 125 bevorzugt in der Datenbank 126 Spektralreflexionsprofile gemäß Darstellung in 1 gespeichert sein und daraus ausgelesen werden können, können andere Quellen von Spektralreflexionsprofilen 125 zur Verwendung als ein Bezug die hyperspektralen Einzelbilder selbst beinhalten. Beispielsweise kann der Prozessor eine zusätzliche Verarbeitungsfähigkeit enthalten, wodurch Pixelgruppen automatisch als interessierende Objektbilder ermittelt werden können. Alternativ kann ein Betreiber des Systems, das hyperspektrale Bilder sammelt, manuell Pixelgruppen auf einer Anzeigeeinrichtung auswählen und die entsprechenden Spektralreflexionssignaturen als ein Spektralreflexionsprofil 125 eines interessierenden Objektes identifizieren.
-
Wie vorstehend beschrieben, kann der Prozessor den Schritt 128 zum Korrelieren der Pixelgruppe integrieren, um Objekte an einer oder mehreren Stellen abhängig von der Implementation der vorliegenden Erfindung spektral zu charakterisieren. Gemäß Darstellung in 1 demonstriert der Hauptsteuerungsablauf des Verfahrens, das der Schritt 128 zum Korrelieren der Pixelgruppe zur spektralen Kennzeichnung von Objekten dem Schritt 124 folgen kann, um die Pixelgruppe von Einzelbild zu Einzelbild zu korrelieren, um die Bewegung der Objekte räumlich zu charakterisieren. Zusätzliche Steuerungsabläufe 132 und 134 zeigen, dass der Schritt 128 zum Korrelieren der Pixelgruppe zur spektralen Charakterisierung von Objekten direkt dem Schritt 118 folgen kann, um Bildveränderungen zwischen den hyperspektralen Einzelbildern zu ermitteln. Abhängig von der Implementation kann der Schritt 128 entweder dem Schritt 118 oder dem Schritt 124 folgen oder kann sowohl dem Schritt 118 als auch 124 folgen.
-
In einer Ausführungsform der Erfindung führt der Prozessor nur den Schritt 128 der Korrelation der Pixelgruppe zur spektralen Charakterisierung des Objektes aus, wenn der im Schritt 124 ermittelte Bewegungsparameter kleiner als ein vorbestimmter Schwellenwert ist. Beispielsweise kann der Prozessor kein detektiertes Objekt, das sich mit einer Geschwindigkeit größer als 5 m/s bewegt, spektral charakterisieren. Indem nur Objekte spektral charakterisiert werden, die verlangsamt oder angehalten worden sind, kann der Prozessor die Bilder effizient verarbeiten und die Spur typischerweise schwierig zu verfolgender Objekte mit räumlichen Verfolgungsmethoden halten. Der zusätzliche Schritt spektraler Korrelation kann bei Spurverknüpfung und Spurbestätigung unterstützen, was zu einer Reduzierung von falsch positiven und anderen für standardmäßige räumliche Verfolgungsverfahren übliche Verfolgungsfehlern führt.
-
Es gibt viele Szenarios, in welchen ein Objekt schwierig zu erfassen sein kann oder die Spur auf der Basis räumlicher Verfolgungstechniken zu halten sein kann. Derartige Szenarien können enthalten: ein verfolgtes Objekt wird durch ein anderes Objekt verdeckt; oder ein verfolgtes Objekt teilt sich in mehrere getrennte Objekte auf. Es gibt weitere Szenarien und diese sollten nicht als einschränkend betrachtet werden.
-
2 veranschaulicht ein Beispielszenario bei 300, wobei das Verfahren zur Bewegungsverfolgung eines Objektes unter einer Gruppe sich bewegender Objekte mit hyperspektralen Bildern gemäß einer Ausführungsform der Erfindung ein Fahrzeug 310 detektiert und verfolgt, das mit angenähert derselben Geschwindigkeit wie ein zweites Fahrzeug 312 auf derselben Straße fährt. Der das Verfahren in 1 implementierende Prozessor verarbeitet eine Serie hyperspektraler Einzelbilder und verfolgt die zwei ähnlichen Modellfahrzeuge. Wenn beispielsweise das Fahrzeug 310 und 312 unterschiedliche Farben haben, sorgt die spektrale Korrelation für einen deutlichen Unterschied zwischen den zwei ähnlich geformten und sich bewegenden Fahrzeugen. Unter der Annahme, dass die zwei Fahrzeuge nahe nebeneinander und mit angenähert derselben Geschwindigkeit fahren, kann ein rein auf räumlicher Analyse basierendes Verfolgungssystem irritiert werden, wenn die zwei Fahrzeuge 310, 312 getrennte Wege fahren, wenn beispielsweise das Fahrzeug 310 anhält und das Fahrzeug 312 weiterfährt. Das auf dem Verfahren von 1 basierende Verfolgungssystem verfolgt jedoch das Fahrzeug 310 weiter. Im Wesentlichen kann die Vereinigung der räumlichen Verfolgungstechniken mit der spektralen Charakterisierung der Pixelgruppen auf der Basis des Spektralreflexionsprofils 125 eine robuste Verfolgung eines sich bewegenden Objektes bei Vorhandensein von irritierenden Elementen ermöglichen. Außerdem ermöglicht die zusätzliche spektrale Information und Verarbeitung die Weiterverfolgung der Spur des Fahrzeugs 310, selbst wenn das Fahrzeug 310 anhält.
-
Wenn die Fahrzeuge 310, 312 weiter auf der Straße fahren, kann das Verfolgungssystem die Spur der Fahrzeuge verlieren, wenn beispielsweise die Fahrzeuge der Sicht des Verfolgungssystems entzogen werden, sobald sie den in 2 dargestellten Baum passieren. Da aber das Spektralreflexionsprofil 125 eines Objektes über der Zeit konstant ist, kann die Spur wieder aufgenommen werden, sobald das Fahrzeug 310 in das nicht verdeckte Sichtfeld des Verfolgungssystems eintaucht. Hier ermöglicht das Spektralreflexionsprofil 125 eine robuste Verfolgung eines sich bewegenden Objektes selbst dann, wenn Verdeckungen im Abdeckungsbereich vorhanden sind.
-
Diese Beschreibung nutzt Beispiele, um die Erfindung einschließlich ihrer besten Ausführungsart offenzulegen und um auch jedem Fachmann zu ermöglichen, die Erfindung einschließlich der Herstellung und Nutzung aller Elemente und Systeme und der Durchführung aller einbezogenen Verfahren in die Praxis umzusetzen. Der patentfähige Schutzumfang der Erfindung ist durch die Ansprüche definiert und kann weitere Beispiele umfassen, die für den Fachmann ersichtlich sind. Derartige weitere Beispiele sollen in dem Schutzumfang der Erfindung enthalten sein, sofern sie strukturelle Elemente besitzen, die sich nicht von dem Wortlaut der Ansprüche unterscheiden, oder wenn sie äquivalente strukturelle Elemente mit unwesentlichen Änderungen gegenüber dem Wortlaut der Ansprüche enthalten.
-
Ein Verfahren zur Bewegungsverfolgung wenigstens eines Objektes von einer Gruppe sich bewegender Objekte unter Anwendung hyperspektraler Bildgebung beinhaltet unter anderem die Schritte: Gewinnen einer Serie von hyperspektralen Einzelbildern; Vergleichen jedes Einzelbildes in der Serie mit einer Vorlage, um Bildveränderungen zwischen den Einzelbildern zu ermitteln; Identifizieren einer Pixelgruppe in jedem Einzelbild, die den Änderungen zugeordnet ist; Identifizieren von Änderungen als Bewegung der sich bewegenden Objekte; Korrelieren der Pixelgruppen von Einzelbild zu Einzelbild, um wenigstens einen Parameter der Bewegung der Objekte räumlich zu ermitteln; und Korrelieren der Pixelgruppen mit einem dem wenigstens einem Objekt zugeordneten Spektralreflexionsprofil, wobei die Spur des wenigstens einen Objektes von den Spuren anderer sich bewegender Objekte unterscheidbar ist.
