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 %.
The BERMUDA project started in January 2015 and was successfully completed after less than three years in August 2017. A technical set-up and an image processing and analysis software were developed to record and evaluate multi-perspective videos. Based on two cameras, positioned relatively far from one another with tilted axes, synchronized videos were recorded in the laboratory and in real life. The evaluation comprised the background elimination, the body part classification, the clustering, the assignment to persons and eventually the reconstruction of the skeletons. Based on the skeletons, machine learning techniques were developed to recognize the poses of the persons and next for the actions performed. It was, for example, possible to detect the action of a punch, which is relevant in security issues, with a precision of 51.3 % and a recall of 60.6 %.