Szenenanalyse und Unterscheidung der Skelette mehrerer Menschen in digitalen Bildern mit Graphentheorie durch eine k-kürzeste-disjunkte-Wege-Suche

  • Das Erkennen von Personen auf Fotos und in Videos geschieht in aktuellen Klassifizierungsverfahren durch die Zuordnung eines Köperteils zu jedem Pixel. Anschließend werden die gefundenen Körperteile zu Skeletten zusammengefasst. Im Falle mehrerer abgebildeter Personen ergibt sich das Problem der Zuordnung der Körperteile zu den verschiedenen Skeletten. Es wurde in dieser Arbeit ein auf dem Suurballe-Algorithmus basierendes graphentheoretisches Verfahren entwickelt, das diese Aufgabe löst. Aufbauend auf im Wesentlichen abstandsabhängigen Kantengewichten wird eine k-kürzeste-disjunkte-Wege-Suche durchgeführt. Unter Einbezug von möglicherweise fehlenden Körperteilen durch Unsichtbar-Knoten und automatisches Aussortieren zu viel gefundener Körperteile werden so die k-optimalen Skelette gefunden. Die Methode wurde an idealisierten computergenerierten Bildern mit einer Trefferquote von 100 % gefundener Personen getestet. Ein Test mit realen Bilddaten lieferte eine Trefferquote von 71,7 %.
  • Recognition of humans on photos and in videos is done per current classification procedures by assigning a body part to each pixel. The body parts thus allocated are subsequently ordered into skeletons. In the case the images indicate that multiple humans are present, the problem arises of assigning the body parts to different skeletons. A Suurballe algorithm-based method developed by us solves this task. By mainly relying on distance-related edge weights, a k shortest disjoint paths search is performed. Accounting for possibly missing body parts by invisible-nodes and automatically sorting out redundant body parts, the optimal k skeletons are found. The method was tested with computer-generated data, yielding a rate of 100 % persons detected. A test with real-world images yielded a recall ratio of 71.7 %.

Download full text files

Export metadata

Additional Services

Search Google Scholar Statistics
Metadaten
Author:Egbert GedatORCiD, Pascal Fechner, Richard Fiebelkorn, Ralf Vandenhouten
URN:urn:nbn:de:kobv:526-opus4-9394
DOI:https://doi.org/10.15771/0949-8214_2017_4
ISSN:0949-8214
Parent Title (German):Wissenschaftliche Beiträge 2017
Document Type:Article in a Periodical of the TH Wildau
Language:German
Year of Publication:2017
Publishing Institution:Technische Hochschule Wildau
Release Date:2017/04/20
Volume:21
First Page:31
Last Page:35
Faculties an central facilities:Fachbereich Ingenieur- und Naturwissenschaften
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
5 Naturwissenschaften und Mathematik / 51 Mathematik / 511 Allgemeine mathematische Prinzipien
TH Wildau publications:Wissenschaftliche Beiträge
Licence (German):Creative Commons - CC BY-NC-ND 3.0 DE - Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 Deutschland
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.