Title: Computer%20Vision1_Seite%201
1Die Aufgaben der Bildauswertung
Auswertungsaufgaben
- Detektion im Bild
- Lokalisierung in der Welt
- Verfolgung
- Identifikation (Klassifikation)
- Analyse
TODO
2Was nicht passieren sollte
Auswertungsaufgaben
3Detektion
Auswertungsaufgaben
!
- Detektion im Bild
- Lokalisierung in der Welt
- Verfolgung
- Identifikation (Klassifikation)
- Analyse
4Was ist Detektion?
Auswertungsaufgaben
Ein Detektionsverfahren ist ein System, das die
Frage beantwortet, ob in einem Bild (oder in
einen Bildausschnitt) ein relevantes Objekt (
Element einer bestimmten Objektklasse z.B.
Flugzeug, Person) abgebildet ist.
5Was ist Detektion?
Auswertungsaufgaben
Quelle Robotics Institute der CMU Face Group
Die Detektion liefert eine JA / NEIN
Entscheidung!
6Detektion Leistungsmessung
Auswertungsaufgaben
- Wie lässt sich die Leistung des
Detektionsverfahrens messen? - Wende das Verfahren auf eine (ausreichend
umfangreichen und repräsentativen) Menge an
Testbildern - jeweils versehen mit Referenzdaten
(ground truth) - an. - Vier Kombinationen können auftreten
- Leistungsmessung durch Angabe der Werte in den
blau unterlegten Zahlen.
Referenzdaten
NEIN
JA
Verfahrens- ergebnis
Falschalarme (false rejects)
JA
korrekt erkannt
Fehldetektionen (misses)
NEIN
korrekt abgelehnt
7Detektion Leistungsmessung
Auswertungsaufgaben
- In der Regel ist die Empfindlichkeit von
Detektionsverfahren durch Verfahrensparameter
beeinflussbar - I.A. sind geringe Falschalarmraten mit hohen
Fehldetektionsraten (geringe Sensitivität des
Verfahrens) verbunden und umgekehrt (hohe
Sensitivität des Verfahrens).
Hohe Empfindlichkeit
ROC-Kurven (ROC receiver operating
characteristic bzw. Empfängerarbeitscharakteristik
) Gegenüberstellung von Falschalarm- (PF) und
Detektionswahrscheinlichkeit (PD). Empirische
Schätzung der Wahrscheinlichkeiten PF
Falschalarme / Bilder ohne Objekt PD korrekt
erkannt / Bilder mit Objekt
Geringe Empfindlichkeit
8Detektion ROC-Kurven
Auswertungsaufgaben
Achtung hier sind die Achsen vertauscht!
Falschalarme
Detektionswahrscheinlichkeit
Für welches Verfahren entscheiden Sie sich?
9Mechanismen für die Detektion
Auswertungsaufgaben
- Radiometrische Eigenschaften z.B.
histogrammbasierte Segmentierung - Fernes Infrarot (Temperatur)
- Radar (Rückstreuquerschnitt)
- ...
- Geometrische Eigenschaften
- Umrisslinien (Objektkonturen),
- Rechtwinkligkeit
- Signaturen ( charakteristisches Muster im Bild)
- ...
- Dynamische Eigenschaften
- Interne Objektdynamik
- Bewegungsmuster
- ...
10Detektionsmechanismen radiometrisch
Auswertungsaufgaben
- Fernes Infrarot (8-12 µm)
- Beispiel Flugzeugdetektion
- Frage Ist auf dem Bild ein Flugzeug abgebildet,
ja oder nein?
Segmentiertes Bild (Binärbild)
Originalbild
Antwort durch histogrammbasierte
Segmentierung... Segmentierung Trennung der
Pixel in Hintergrundpixel und Objektpixel.
11Histogramm
Grundlagen
Anzahl Bildpunkte H(q)
Bild
Helligkeit (Grauwert) q
Ein Histogramm gibt für jeden Grauwert die Anzahl
an Bildpunkten mit diesem Grauwert an.
12Histogramm
Grundlagen
Breite 256
Höhe 100
Grauwertkeil 0 bis 255
- Wie sieht das Histogramm aus?
13Detektionsmechanismen radiometrisch
Auswertungsaufgaben
- Fernes Infrarot (8-12 µm)
- Beispiel Flugzeugdetektion
Schwellwert T 205
Hintergrund Objekt
Bild
Histogrammbasierte Segmentierung
Anzahl Bildpunkte
Helligkeit (Grauwert)
Detektionsentscheidung z.B. anhand der Größe der
bounding box
Binärbild
14Histogrammbasierte Segmentierung
Grundlagen
Frage Wie kann der Schwellwert T automatisch
gewählt werden? Normiertes Histogramm als
Zähldichte
Normiertes Histogramm h(q) H(q) / ? H(q) ?
H(q) Anzahl Pixelpositionen
Histogramm H(q) als Funktion über den
Grauwerten q ? 0,...,255
- Dann ist h eine Wahrscheinlichkeitsdichte
(genauer Zähldichte), da - 0 ? h(q) ? 1 für alle q 0,..,255
- ?q0..255 h(q) 1
15Histogrammbasierte Segmentierung
Grundlagen
- Schwellwertbestimmung mittels Histogramm-Auswertun
g (1) - Gegeben sei Wahrscheinlichkeitsdichten
(Zähldichten) für - Objekt
- Hintergrund
- mit a priori Auftrittswahrscheinlichkeiten von
- Objektpunkten
- Hintergrundpunkten
- (dann gilt )
- Dann lautet die Gesamtwahrscheinlichkeitsdichte
- Für die gaußsche Verteilung gilt also
16Histogrammbasierte Segmentierung
Grundlagen
- Schwellwertbestimmung mittels Histogramm-Auswertun
g (2) - Idee Minimiere die Wahrscheinlichkeit einer
Fehlzuordnung (abhängig von der Schwelle T) - durch
- Bei einer gaußschen Verteilung ist diese
Gleichung äquivalent zur quadratischen Gleichung
(einsetzen, logarithmieren, vereinfachen) - mit
17Detektionsmechanismen radiometrisch
Auswertungsaufgaben
- Schwellwertbestimmung mittels Histogramm-Auswertun
g (3) - Vorgehen nach dieser Methode
- Gegeben sei (mindestens) ein Beispielbild.
- Bestimme Histogramme für Objektpixel h0 und
Hintergrundpixel hH - Berechne Standardabweichungen ?0 und ?H und die
Mittelwerte ?0 und ?H aus den Histogrammen - Berechne A, B, C, P0 und PH
- Berechne die Schwelle T durch Lösung der
quadratischen Gleichung - Anwendung der Schwelle T auf neues Bildmaterial
Anz. Objektpunkte / Anz. Bildpunke
18Histogrammbasierte Segmentierung
Grundlagen
Original
- Wie sieht das Histogramm aus?
- Wie kann man die Information aus dem Histogramm
nutzen?
Quantisierung!
19Einschub Warum Schatten segmentieren?
Grundlagen
20Histogrammbasierte Schattensegmentierung
Grundlagen
- Lassen sich die Schattenbereiche anhand des
Histogramms segmentieren?
21Grauwertmanipulationen
Grundlagen
- Grauwertmanipulationen
- Grauwertspreizung
- Grauwertangleichung
- Kontrasterhöhung
- Gammakorrektur
22Detektionsmechanismen radiometrisch
Auswertungsaufgaben
Grenzen histogrammbasierter Segmentierung Beispie
l Face detection
Quelle H. Rowley, S. Baluja and T. Kanade Human
Face Detection in Visual Scenes
23Detektionsmechanismen radiometrisch
Auswertungsaufgaben
Grenzen histogrammbasierter Segmentierung Beispie
l Face detection
Gesichter
Bildausschnitte mit ähnlichen Grauwertverteilungen
In Histogrammen geht die räumliche Information
verloren! Abhilfe Zuhilfenahme geometrischer
Merkmale.
Quelle H. Rowley, S. Baluja and T. Kanade Human
Face Detection in Visual Scenes
24Detektionsmechanismen geometrisch
Auswertungsaufgaben
Quelle H. Rowley, S. Baluja and T. Kanade Human
Face Detection in Visual Scenes
25Detektionsmechanismen geometrisch
Auswertungsaufgaben
Visuell optisch
Vierecke
Beispiel Landfahrzeuge
Kanten-segmente
Originalbild
Verarbeitung einer Region of Interest
detektierte Fahrzeuge
26Detektionsmechanismen geometrisch
Auswertungsaufgaben
Fernes Infrarot IR Linescanner Bild der CL
289 Beispiel Landfahrzeuge durch
richtungsabhängige Untersuchung des
Grauwertverlaufs
27Detektionsmechanismen dynamisch
Auswertungsaufgaben
Fernes Infrarot Bildfolge mit 100 Bildern pro
Sekunde! Beispiel Sich bewegende Rotoren von
Hubschraubern
Hier wird die interne Objektdynamik
genutzt! Technik Histogrammbasierte
Segmentierung von Differenzbildern
28Differenzbild
Grundlagen
Differenzbild g( x, y ) g1( x , y ) - g2( x
, y ) ? -255 , 255 !!!!!
g1
g 128 0.5 ( g1- g2 )? 0 , 255
g2
Alternativ g g1- g2 ? 0 , 255
29Detektionsmechanismen dynamisch
Auswertungsaufgaben
Videosequenz Hindernisdetektion mit optischem
Fluß
Lokal geschätzte Flussvektoren1
1) Ein Flussvektor ist ein Vektor, der (in der
Bildebene) beschreibt, wie sich die Position
eines Szenenpunkts zwischen zwei zeitl.
aufeinander folgenden Bildern verschoben hat.
30Detektionsmechanismen dynamisch
Auswertungsaufgaben
- stationär
- auf der Fahrbahnebene
- über der Fahrbahnebene
- bewegt
Videosequenz Hindernisdetektion mit optischem
Fluss
Klassifikation der Flussvektoren durch einen
stochastischen Test
Als bewegt klassifizierte Flussvektoren
31Detektionsmechanismen dynamisch
Auswertungsaufgaben
Videosequenz Hindernisdetektion mit
bewegungskompensiertem Differenzbild
Bewegungskompensiertes Differenzbild
Binärbild
(Robert Bosch GmbH)
32Die Aufgaben der Bildauswertung
Auswertungsaufgaben
N 49.800067, E 24.429837, h 348996.5
- Detektion im Bild
- Lokalisierung in der Welt
- Verfolgung
- Identifikation (Klassifikation)
- Analyse
33Was ist Lokalisierung?
Auswertungsaufgaben
Wo in der Welt befinden sich die im Bild
detektierten Objekte?
Lageschätzung Bezug zwischen Objekt-
und Kamerakoordinatensystem herstellen. z.B.
Geokodierung des Bildes Bezug zu Breiten- und
Längengrad herstellen.
34Was ist Lokalisierung?
Auswertungsaufgaben
Wo in der Welt befinde ich mich selbst?
Navigation (durch Landmarken)
35Lokalisierung Lageschätzung
Auswertungsaufgaben
Beispiel Hantelszene (Einsatz z.B. in der
Produktionsautomatisierung)
CAD-Modell mit Objektkoordinatensystem
Bild
Wo in der Szene befindet sich die Hantel? Wie
ist die Beziehung zwischen Objekt- und
Kamerakoordinatensystem?
36Lokalisierung Koordinatentransformation
Auswertungsaufgaben
Welt-zu-Kamera Transformation
Kamera- koordinatensystem
Szenen-, Objekt- oder Weltkoordinatensystem
- Die Transformation T R³ ? R³ ist durch 6
Parameter gegeben - Rotationsmatrix R ? R3x3 Parametriert durch die
drei Eulerwinkel - ? Drehung um die x-Achse
- ? Drehung um die y-Achse
- ? Drehung um die z-Achse
- Translationsvektor t (t x , t y , t z )T ? R3
- t x Verschiebung längs der x-Achse
- t x Verschiebung längs der y-Achse
- t z Verschiebung längs der z-Achse
- xC T(xO) R xO t
37Lokalisierung Rotationsmatrix
Auswertungsaufgaben
38Lokalisierung Kameramodell
Auswertungsaufgaben
Zurück zur Frage Wie ist die Beziehung zwischen
Objekt- und Kamerakoordinatensystem?
Um diese Frage mit Hilfe des Bildes zu
beantworten muss geklärt sein, wie das
Kamerakoordinatensystem und das Bild
zusammenhängen. Es wird also ein Kameramodell
benötigt.
Kameramodell Mathematische Beschreibung
(Approximation) des realen Abbildungsverhaltens
des Sensors.
39Lokalisierung Lochkamera
Auswertungsaufgaben
Kamerakoordinatensystem
Lochkamera Die Transformation P R³ ? R² ist
durch 5 Parameter gegeben f Brennweite (Abstand
Ursprung Koordinatensystem und Bildebene) (cx,
cy) Bildhauptpunkt (Durchstoßpunkt der z-Achse im
Bild in Pixeln) dx / dy Breite / Höhe eines
Pixels in der Einheit des Kamerakoordinatensystems
Kamerakalibirierung (Eichung) Ermittlung eines
geeigneten Parametersatzes
40Lokalisiation Lageschätzung
Auswertungsaufgaben
Bei gegebenem Kameramodell (z.B.
Lochkamerasystem) und bekannter
Kamerakalibrierung (interne Parameter, z.B.
Brennweite) kann für einen gegebenen
Parametersatz ?, ?, ?, t x , t y, t z ein
synthetisches Bild von der Hantel erzeugt werden
Originalbild mit transparent überlagerter,
synthetischer Ansicht
Wo in der Szene befindet sich die Hantel? Für
welchen Parametersatz stimmen das Bild und die
synthetische Ansicht am besten überein? Woran
kann die Übereinstimmung gemessen werden?
41Lokalisierung Lageschätzung
Auswertungsaufgaben
Wie wird die Übereinstimmung gemessen
Vergleichsmerkmale
Merkmalsextraktion
Bild
Bildkantensegmente
hidden line
Modellkantensegmente
CAD-Modell
42Lokalisierung Lageschätzung
Auswertungsaufgaben
z.B. Minimierung einer Kostenfunktion1
Visualisierung der optimierten Parameter
Visualisierung mit initialen Parameter (
Startwerte, z.B. gewonnen durch ein
Detektionsverfahren)
1) Eine Kostenfunktion bzw. Gütefunktion ist eine
Funktion auf dem Parameterraum, die misst, wie
gut die Bild- und Modellkanten übereinstimmen.
43Lageschätzung Übersicht
Auswertungsaufgaben
Abbildungsmodell P z.B. Lochkamera
Bild
44Lokalisierung Geokodierung
Auswertungsaufgaben
Beispiel Bild und Straßenkarte
Automatische Feinkodierung
Straßen aus Vektorkarte Startwerte aus den
Flugdaten
Registrierung von Bild und Karte
45Lokalisierung Navigation
Auswertungsaufgaben
Navigation anhand von Landmarken Beispiel
INS-Rekalibrierung (INS Navigationssystem)
Aktuelle Schrägansicht
Zuordnung durch Schätzung der Parameter einer
projektiven Transformation
Orthophoto Flughafen
T R² ? R²
46Lokalisierung Navigation
Auswertungsaufgaben
Navigation anhand von Landmarken Merkmale
Kantensegmente
Merkmale im Schrägansichtsphoto
Merkmale im Orthophoto
47Lokalisierung Navigation
Auswertungsaufgaben
- Navigation anhand von Landmarken
- Referenzierungsergebnis Transformation zwischen
den Bildern -
In die Schrägaufnahme projiziertes Orthophoto
In das Orthophoto projizierte Schrägaufnahme
48Lokalisierung Navigation
Auswertungsaufgaben
- Navigation anhand von Fahrspuren Autobahn und
Landstraße -
- Detektion und Verfolgung von Fahrspurbegrenzung
- Markiert
- Unmarkiert
- Klassifikation von Fahrspurbegrenzungen
- Mehrspurdetektion
- Fortlaufende Güteüberwachung
-
49Lokalisierung Navigation
Auswertungsaufgaben
- Navigation anhand von Fahrspurbegrenzung im
Ortsbereich Modellerzeugung - Digitale Karte von TELE ATLAS
- Gerichtete Graphen
- Knoten
- ID
- Längengrad
- Breitengrad
- Kanten
- Straßenname
- Klasse (z.B. Spuren)
Innenortsbereiche
50Lokalisierung Navigation
Auswertungsaufgaben
- Navigation anhand von Fahrspurbegrenzung im
Ortsbereich Modellerzeugung - Ergebnis
-
51Lokalisierung Navigation
Auswertungsaufgaben
- Navigation anhand von Fahrspurbegrenzung im
Ortsbereich Ergebnis -
52Lokalisierung Navigation
Auswertungsaufgaben
- Navigation anhand von Fahrspurbegrenzung im
Ortsbereich Ergebnis -
53Lokalisierung Navigation
Auswertungsaufgaben
- Navigation anhand von Fahrspurbegrenzung im
Ortsbereich Ergebnis -
54Die Aufgaben der Bildauswertung
Auswertungsaufgaben
- Detektion im Bild
- Lokalisierung in der Welt
- Verfolgung
- Identifikation (Klassifikation)
- Analyse
55Verfolgung
Auswertungsaufgaben
- Folge von Prädiktion und Detektion (Messung) bzw.
Prädiktion und Lokalisierung -
Merkmalstracker (im Bild)
Weitere - Korrelationstracker - Umrisstracker
(Snakes)
Modelltracker (in der Welt)
56Verfolgung Modelltracker
Auswertungsaufgaben
57Die Aufgaben der Bildauswertung
Auswertungsaufgaben
Space Shuttle
- Detektion im Bild
- Lokalisierung in der Welt
- Verfolgung
- Identifikation (Klassifikation)
- Analyse
58Identifikation
Auswertungsaufgaben
- Typbestimmung mittels Bildmerkmalen
-
Binari-sierung
MerkmalextraktionKlassifikatortraining,
Klassifikator, mit Merkmal- datenbank
Klassifikationsvor-schläge Boing 737
0.279 A320 0.599....
Binari-sierung
Merkmalextraktion,Klassifikation
59Identifikation
Auswertungsaufgaben
- Typbestimmung mittels 3D-Modellen
-
Lageschätzung (in der Welt). Restfehler
Ähnlichkeit Das Modell mit dem kleinsten
Restfehler identifiziert den Objekttyp.
A310-300
B737-300
A300-600
60Identifikation
Auswertungsaufgaben
- Typbestimmung mit generischen 3D-Modellen
-
Dieses 3D-Objektmodell ist parametriert und damit
generisch.
?n
1,0
0,0
61Identifikation
Auswertungsaufgaben
- Typbestimmung mit adaptiven 3D-Modellen
-
- Modellanpassung umfasst die Lage- und die
Formparameter - Nach der Modellanpassung erfolgt die
Typbestimmung aus - Segment oder
- Modellparametern oder
- 3D-Rekonstruktion
-
62Vorgehensweise
Auswertungsaufgaben
- Die automatische Informationsgewinnung aus
Bildern (und Bildfolgen) erfolgt durch Messung
der Bildinhalte (mittels Merkmalen) anhand von
diversen Modellen - Merkmale sind aus den Bilddaten gewonnene
Elemente, die wesentliche Eigenschaften der
Modellelemente enthalten. - Modelle beschreiben den Kontext (z.B. Kamera,
Transformation) und das Ziel der erforderlichen
Informationsgewinnung. - Die Messung ( Bestimmung optimaler
Modellparameter) gibt auch Aufschluss über das
Maß an Übereinstimmung von Bildelementen mit dem
Modell. - Modellparameterschätzung Maximierung des
Übereinstimmungsmaßes bezüglich Modellparameter. - Klassifikation Schwellwerte bezüglich des
Übereinstimmungsmaßes entscheiden über die
Zuordnung zur Modellklasse.
63Komponenten der Informationsgewinnung
Auswertungsaufgaben
Klassifikation der geschätzten Parameter Phys.
Gesetze Expertensysteme1) Fuzzy Logic Lernende
Klassifikatoren
Merkmalselektion Kanten, Ecken,
Flecken,Texturaße Verschiebungsvektorfelder, ...
Merkmalsextraktion (aus dem Bild)
Modellauswahl (implizit oder explizit) Lochkameram
odell, Welt-zu-Kamera-Transformation, ...
Messung der räumlichen und zeitlichen
Zusammenhänge der geschätzten Parameter Geschwindi
gkeit, Beschleunigung, ...
Sensorbewegungsmodell
Objektbewegungsmodell
Abbildungsmodell
Objektmodell
Semantische Beschreibung der Klassifikationsergebn
isse und Zusammenhänge rechts von mir, Boeing
737,...
Szenenmodell
1) Ein Expertensystem ist ein Programm, welches
das Wissen des menschl. Experten über das Lösen
von Problemen in einem begrenzten Fachbereich
enthält. Bsp Schachcomputer.
Parameterschätzung von Modellen