Diploma Thesis DIP-2982

BibliographyBrutzer, Sebastian: Background Subtraction in der Videoüberwachung.
University of Stuttgart, Faculty of Computer Science, Electrical Engineering, and Information Technology, Diploma Thesis No. 2982 (2010).
119 pages, german.
CR-SchemaI.2.10 (Vision and Scene Understanding)
I.4.6 (Image Processing and Computer Vision Segmentation)
I.4.8 (Image Processing and Computer Vision Scene Analysis)
I.5.2 (Pattern Recognition Design Methodology)
Abstract

Background Subtraction Verfahren werden zur Extraktion von Vordergrundobjekten aus Videodaten eingesetzt. In den letzten Jahren wurden viele solcher Verfahren entwickelt. Arbeiten in denen diese ausführlich evaluiert werden sind jedoch selten. Diese werden benötigt um den aktuellen Stand der Forschung zu ermitteln und gegebenenfalls Problemfelder näher untersuchen und Lösungsansätze für diese entwickeln zu können. In dieser Diplomarbeit wird eine pixelgenaue Untersuchung von Background Subtraction Verfahren bezüglich verschiedenen Problemen durchgeführt. Die Animationssoftware Maya wurde eingesetzt um eine realistische Überwachungsszene mit einer großen Menge an Vordergrundmasken zu erstellen, die für die Evaluation benötigt werden. Für sechs Verfahren wurden optimale Parameter durch den Einsatz von ROC- Kurven bestimmt. Hierfür wurde eine komplexe Trainingsszene verwendet, die neben Vordergrundobjekten auch beispielsweise Hintergrundbewegungen, periodische Wiederholungen, Tarnungssituationen oder Reflektionen enthält. Zudem wurde ein Bildrauschen auf die Videobilder aufgetragen. Anschließend wurden die Verfahren mit den berechneten, optimalen Parameter unter verschiedenen Problemstellungen evaluiert. Zu diesen gehörten Beleuchtungsänderungen, Hintergrundbewegungen, eine Nachtszene mit starkem Rauschen, Tarnungssituationen sowie Hintergrundbewegungen. Zur Bewertung der Verfahren wurde das F-Maß verwendet. Um zu messen, ob die Verfahren in der Lage sind, Schatten zu erkennen und diesen dem Hintergrund der Szene zuzuordnen, wurden spezielle Schattenmasken angefertigt und die Anzahl der fälschlicherweise als Vordergrund klassifizierten Schattenpixel berechnet. Die Auswertung der Evaluationsergebnisse hat ergeben, dass keines der Verfahren für die bezüglich der Trainingssequenz optimalen Parameter unter allen Problemstellungen gute Resultate erzielen konnten. Bei der verwendeten Nachtsszene konnte keines der Verfahren gut abschneiden. Die Kombination aus Tarnungssituationen und Bildrauschen bereitet den Verfahren große Probleme. Zudem wurden unter diesen Parametereinstellungen viele Schattenpixel falsch klassifiziert.

Full text and
other links
PDF (4353144 Bytes)
Access to students' publications restricted to the faculty due to current privacy regulations
Department(s)University of Stuttgart, Institute of Visualisation and Interactive Systems, Intelligent Systems
Superviser(s)Höferlin Benjamin
Entry dateJuly 7, 2010
   Publ. Computer Science