ForschungBig Data und Machine Learning
Szenenanalyse - Mustererkennung in Personentracks

Szenenanalyse - Mustererkennung in Personentracks

Team:  Fischer, Sester
Jahr:  2017

Inhalt

Im Projekt geht es um die automatische Erkennung auffälliger Bewegungsmuster aus gegebenen Trajektorien als (x,y,t)-Sequenzen von Objekten. Hierzu werden Muster definiert, die auf auffälliges Verhalten hinweisen, für die automatische Extraktionsverfahren erforscht werden sollen. Dazu gehört u.a. die qualitative Beschreibung der Erkennungsraten von Mustern.

Muster können hierbei in unterschiedlichen Kontexten definiert werden: es wird zwischen Individualmustern und Gruppenmustern unterschieden, die sich aus multiplen Individualverhalten in einem gemeinsamen raum-zeitlichen Kontext ergeben. Wichtig ist, dass Muster typischerweise nicht ungestört verlaufen, sondern i.d.R. durch äußere Gegebenheiten beeinflusst werden (beispielsweise stationäre oder mobile physische Hindernisse beim Durchqueren eines Raumes oder unterschiedliche Verhaltensmuster in Abhängigkeit von der Tageszeit).

Zur Erkennung sicherheitskritischen, personeninduzierten Verhaltens werden szene-typische Verhaltensmuster im raum-zeitlichen Kontext gelernt. Basierend hierauf soll abweichendes Verhalten on-line detektiert werden können, um unverzögert Hinweise auf eine mögliche Sicherheitsgefährdung liefern zu können.