Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

Masterarbeit: Multi-camera Tracking von Personen |[VID]|

Das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB ist eines der größten Institute für angewandte Forschung auf dem Gebiet der Bildgewinnung und Bildauswertung in Europa. Die Abteilung Videoauswertesysteme (VID) beschäftigt sich mit der automatischen Auswertung von Signalen bewegter bildgebender Sensorik in komplexen, ggf. nichtkooperativen Szenarien. Diese Sensorik wird beispielsweise im Aufklärungs- und Überwachungsbereich als integrierte Komponente in fliegenden, weltraumgestützten oder mobilen landgestützten Plattformen verwendet. VID entwickelt und integriert hierfür Bildauswertealgorithmen für autonome oder interaktive Systeme.

 

Beschreibung

Durch den vermehrten Ausbau der Videoüberwachung gewinnt das kameraübergreifende Tracking von Personen in einem Kameranetzwerk immer mehr an Bedeutung. Deshalb wird mithilfe des sogenannten Multi-Target Multi-Camera Tracking versucht, mehrere Personen in Videos unterschiedlicher Kameras zu verfolgen.

 

 

Personentracks in einem Netzwerk nicht überlappender Kameras. Bildquelle [1]

Beschreibung

Durch den vermehrten Ausbau der Videoüberwachung gewinnt das kameraübergreifende Tracking von Personen in einem Kameranetzwerk immer mehr an Bedeutung. Deshalb wird mithilfe des sogenannten Multi-Target Multi-Camera Tracking versucht, mehrere Personen in Videos unterschiedlicher Kameras zu verfolgen.
 

Aufgabenstellung

Aufbauend auf aktuellen State-of-the-Art-Ansätzen soll ein Verfahren entwickelt werden, das CNN-Merkmale mit einem Trackingansatz kombiniert. Dabei soll der Fokus auf dem automatischen Lernen der Kamerapositionen und den Übergängen zwischen den Sichtfeldern der Kameras liegen. Dadurch kann die Richtung aus der eine Person ins Sichtfeld der neuen Kamera kommt sowie die Zeitdauer bis sie dieses erreicht prädiziert und somit das Tracking verbessert werden.
 

Voraussetzungen

  • StudienfachInformatik, Mathematik, Elektrotechnik, Angewandte Physik oder vergleichbar
  • Gute Programmierkenntnisse (idealerweise Python)
  • Gutes Verständnis der (theoretischen) Grundlagen von Deep Learning, praktische Erfahrung vorteilhaft
  • Fähigkeit zum selbstständigen Arbeiten
  • Bereitschaft, sich in neue Themengebiete einzuarbeiten und Freude am Einbringen eigener Ideen
  • Bewerbungen bitte mit Lebenslauf und Notenauszug
 

Quellen & Literatur

 [1] http://openaccess.thecvf.com/content_cvpr_2018/papers/Ristani_Features_for_Multi-Target_CVPR_2018_paper.pdf