• Zielgruppen
  • Suche
 

Q-Trajectories - Dezentrale Bestimmung von Bewegungsmustern aus Trajektorien

Bild Q-Trajectories - Dezentrale Bestimmung von Bewegungsmustern aus Trajektorien

Die folgenden Forschungsfragen sollen dabei gelöst werden:

  • Wie kann durch den Einsatz von aktiven Ressourcen (Smart-Cameras) die Qualität der Objektverfolgung erhöht werden?
  • Mit welchen Beobachtungskapazitäten lässt sich welche Anzahl an bewegten Objekten mit welcher Sicherheit bzw. Güte überwachen?
  • Welche Bewegungsmuster lassen sich kooperativ mit welcher Qualität beobachten?
  • Welche Informationen sind dabei zwischen den Sensoren zu übertragen?

Förderung und Kooperation

Dieses Projekt ist eines von drei Teilprojekten des DFG-Bündelprojekts „Q-Trajectories“. Die beiden anderen Bestandteile sind zwei weitere Projekte an mit dem IKG kooperierenden Instituten der LUH. Dieses ist einerseits das SRA (Institut für Systems Engineering, FG System- u. Rechnerarchitektur) mit dem Projekt Robust Object Tracking in Smart Camera Networks, in dem die Kamerakoordination zur Überwachung eines größtmöglichen Raums realisiert wird und andererseits das IPI (Institut für Photogrammetrie und GeoInformation) mit einem Projekt zur Verfolgung von Bewegungen von Objekten in einzelnen Kameras.

 Projektkooperation zwischen den einzelnen Instituten

Inhalt

In der heutigen Zeit, in der große (Massen-)Events keine Seltenheit mehr sind, rückt bei deren Durchführung auf Grund der damit verbundenen Probleme (Panik,…) das Sicherheitsdenken immer mehr in den Vordergrund. Um eine stete Sicherheit für alle Teilnehmer gewährleisten zu können, ist eine Überwachung mit Hilfe eines Überwachungssystems nicht wegzudenken.

 

 

Mögliche Anwendungsszenarien: Bahnhofsvorplatz (hier: in Hannover) oder Kassenhäuschen vor Stadien (hier: Berliner Olympia Stadion) (Quellen: Google Maps, www.herthabsc.de)

Bei der Beobachtung oder Überwachung von weiten oder komplexen Arealen mit einer großen Anzahl an bewegten Objekten, wie sie in denkbaren Anwendungsszenarien (Bahnhof, Stadion, Wald,…) vorliegen können, werden häufig mehr Kameras benötigt, als (im wirtschaftlichen oder technischen Sinne) zur Verfügung stehen. Mit der Lösung dieses Problems beschäftigt sich das Projekt „Q-Trajectories“.

Der Ansatz in diesem Projekt fordert, dass die Kameras sich organisieren und untereinander kooperieren müssen, um mit ihrer limitierten Beobachtungskapazität, eine ausreichende Überdeckung zu erreichen.

Durch die Nutzung von Smart-Cameras, welche als autonome Rechner angesehen werden können, ist es möglich, die erfassten Informationen ohne zentrale Weiterleitung direkt an Ort und Stelle zu verarbeiten. Mit dieser Eigenständigkeit jeder einzelnen Kamera und durch gegenseitiges Ergänzen ist neben einer hohen Robustheit und Ausfallsicherheit des Systems ein Weg zur Kompensation des möglicherweise nicht vollständig abgedeckten Überwachungsraums gegeben.

Die Analyse der Bewegungstrajektorien muss demnach ebenfalls dezentral und kooperativ im vernetzten System erfolgen. Es muss also ein Informationsfluss zwischen Kameranachbarn herrschen, indem Wissenswertes im Bezug auf die Bewegungsmustererkennung und -bewertung ausgetauscht wird. Zudem kann mit Hilfe einer lokalen Analyse auffälliges Verhalten innerhalb der vorgegebenen Zeitschranken erkannt und darauf in irgendeiner Weise (z.B. Informieren des Sicherheitspersonals) reagiert werden. Was letztendlich als auffälliges Verhalten zu interpretieren ist, ist abhängig von der raum-zeitlichen Situation und lässt sich aus den Einzel- bzw. Gruppentrajektoriemustern (Periodisches Muster, Flock, Encounter, …) oder aus signifikanten Abweichungen von existierenden Mustertypen (angelernte Wissensbasis mit Referenzmustern) ableiten.

 Einzel- und Gruppenbewegungsmuster (v.l.n.r.: linear, periodisch, zirkulär, Flock, Encounter, Leadership)

Die Umsetzung erfolgt, indem schrittweise kollaborative Algorithmen zur Erkennung von Einzel-/Gruppenmustern entwickelt werden. Mit Hilfe einer Musterbibliothek bzw. von ermittelten Mustertypen sollen Qualitätsmaße (Q-Trajectories) für alle zu treffenden Aussagen bestimmt werden. Diese Quantifizierung in Sachen Ähnlichkeit bzw. Signifikanz der Abweichung zum oder vom Referenzmuster soll Rückschlüsse auf ungewöhnliches Verhalten liefern.

Als Ziel dieses Teilprojekts ergibt sich daher die Analyse und Bewertung von (Teil-)Trajektorien auf Smart-Cameras unter Nutzung lokal vorliegender Informationen bzw. akkumulierter Information aus der Nachbarschaft.

 

Übersicht