La lecture à portée de main
Description
Sujets
Informations
Publié par | technische_universitat_ilmenau |
Publié le | 01 janvier 2008 |
Nombre de lectures | 71 |
Poids de l'ouvrage | 1 Mo |
Extrait
ASemanticConceptforTheMappingof
Low-levelAnalysisDatatoHigh-levelScene
Descriptions
EinsemantischesKonzeptf¨urdieAbbildungvonlow-level
Analyseergebnissenaufhigh-levelSzenenbeschreibungen
DISSERTATION
zurErlangungdesakademischenGrades
Doktoringenieur(Dr.-Ing.)
derorgelegtvFakult¨atf¨urElektrotechnikundInformationstechnik
TechnischeUniversit¨atIlmenau
onvNeuhausHolgerDipl.-Ing.geborenam31.08.1972inRotenburg(W¨umme)
vorgelegtam:18.Juni2007
ter:hGutac
1.Prof.Dr-Ing.KarlheinzBrandenburg
2.Prof.Dr-Ing.ThomasSikora
Benzlerh-LorenzUlricDr-Ing.3.
Verteidigungam:24.Oktober2008
v:ilm1-2008000197bn:de:gburn:n
Abstract
Alongwiththegrowingneedforsecurity,anincreasingamountofsurveil-
lancecontentiscreated.Itisindispensabletoindexthecontentinadvance
inordertoenablequickandreliablesearchesontheoutputofhundreds
orthousandsofsurveillancesensorsinstalledatasinglefacility.Forthis
purpose,theconceptofSmartIndexingandRetrieval(SIR)enablescostef-
ficientsearchesbygeneratinghigh-levelmetadata.Thegenerationofthis
metadatahastobedoneautomatically,basedonthelow-levelfeaturesex-
tractedbycontentanalysisalgorithms.Creatingitmanuallybecomesmore
andmoredifficulttohandleinreasonabletimeatreasonablecosts.
Whereasformerlyproposedapproacheshavebeenstronglyapplication
dependent,inthisthesis,agenericconceptformappingtheresultsofthelow-
levelcontentanalysisdatatosemanticeventdescriptionsanditsapplication
ispresented.Theconstitutingelementsofthisapproachandtheirunderlying
conceptsaswellasanintroductiontotheirapplicationareshown.Themain
contributionoftheapproacharethegeneralityandtheearlystageatwhich
thestepfromlow-leveltohigh-levelrepresentationistaken.Thisreasoningin
themetadatadomainisperformedonsmalltimeframeswhilethereasoning
oncomplexerscenesisdoneinthesemanticspace.Evenanunsupervised
self-assessmentispossibleusingthesemanticapproach.
ords:Keywscenedescription,behaviorrecognition,eventontology,smartindexing,video
nceeillasurval,retriev
Zusammenfassung
ZusammenmitdemwachsendenBedarfanSicherheitwirdeinezunehmen-
deMengean¨Uberwachungsinhaltengeschaffen.Umeineschnelleundzu-
verl¨assigeSucheindenAufnahmenhunderterodertausenderineinerein-
zelnenEinrichtunginstallierten¨Uberwachungssensorenzuerm¨oglichen,ist
dieIndizierungdiesesInhaltsimVorausunentbehrlich.ZudiesemZweck
erm¨oglichtdasKonzeptdesSmartIndexing&Retrieval(SIR)durchdie
Erzeugungvonhigh-levelMetadatenkosteneffizienteSuchen.Daesimmer
schwierigerwird,dieseDatenmanuellmitannehmbaremZeit-undKosten-
aufwandzugenerieren,mussdieErzeugungdieserMetadatenaufBasisvon
low-levelAnalysedatenautomatischerfolgen.
W¨ahrendbisherigeAns¨atzestarkdom¨anenabh¨angigsind,wirdindieser
ArbeiteingenerischesKonzeptf¨urdieAbbildungderErgebnissevonlow-
levelAnalysedatenaufsemantischeSzenenbeschreibungenpr¨asentiert.Die
konstituierendenElementediesesAnsatzesunddieihnenzugrundeliegen-
denBegriffewerdenvorgestellt,undeineEinf¨uhrunginihreAnwendung
wirdgegeben.DerHauptbeitragdespr¨asentiertenAnsatzessinddessenAll-
gemeing¨ultigkeitunddiefr¨uheStufe,aufderderSchrittvonderlow-level
aufdiehigh-levelRepr¨asentationvorgenommenwird.DiesesSchließeninder
Metadatendom¨anewirdinkleinenZeitfensterndurchgef¨uhrt,w¨ahrenddas
SchließenaufkomplexerenSzenenindersemantischenDom¨aneausgef¨uhrt
wird.DurchdieVerwendungdiesesAnsatzesistsogareineunbeaufsichtigte
SelbstbewertungderAnalyseergebnissem¨oglich.
orter:¨hlagwScSzenenbeschreibung,Verhaltenserkennung,Ereignisontologie,”Kluge“Indexer-
stellung,SucheinVideos,¨Uberwachungssysteme
meinen
Eltern
iii
tswledgmenknoAc
IamthankingmysupervisorProf.Dr.-ing.KarlheinzBrandenburgforha-
vinggivenmetheopportunitytocommenceinthischallengingandmost
interestingarea.Aboveall,Ithankhimforhisvaluablecluesandreferences,
andforhisguidanceandsupportthroughoutthiswork.IamthankingProf.
Dr-Ing.ThomasSikoraforhissupport.
IthankDr.Ulrich-LorenzBenzlerforhisguidanceandmentoring,the
unboundedpatienceandreadinessandtheadministrativesupporthegave
ears.ythesethroughme
Idenprogramm”thanktheandRobertnamelyBoschDr.GmLarsbHforPlacke,emploDr.yingAndreasmeintheEngelsberg,“Doktoran-Dr.
WolfgangNiem,Dr.StefanMueller-Schneiders,andThomasJ¨ageratRo-
bring,ertandBoschtheGmwillibHngnessHildesheimforcounfort-theirandendlessadministrativdiscussions.esupport,Greatthegratitumento-de
tomylektorsUlrichandMarco.IthankUweDaniel,theheadofthedepart-
mentCR/AEM,forhissupportinallformalities.
theIgreatthankcommalltheunityotheranddothectoralmanysoircandidates´eestoatstrengRobertthenBoscthishcommHildesheimunityfor;-)
MyspecialthanksgototheKernTeam.
onsIwethankhadabRobouttheWijnhovtopicenforandhisforcohisoperationconstructivandetheliteraryprohinductivts.ediscussi-
VielenDankanKerstinLietzf¨urdieBereitstellungdes”Drehortes“.
felloIwthankstudenStimonandfriendMoserbutnotalsoonlyforforhishimprofessionalfortifyingmeadviceandandbeingsuppaort.good
iv
ZusprucIchhdankundeVerstAndrea¨andnis&Gert,indenUlrikwe,enigerSoerenerfolgreicundMarcohen“f¨urZeiten.Unterst¨uzung,
”WeiterhindankeichmeinendamaligenKommilitonenMarcusKern,Matt-
hiasKautznerundHelge-HubertusHundackerf¨urdie¨außerstproduktiveZu-
sammenarbeitw¨ahrenddesgesamtenStudiumssowieChristianWeigelf¨ur
ebendies,alsauchihmundRossif¨urdiefreundlicheUnterkunftinIlmenau.
CheerstotheAustralianOutbackforinspiration.
Meingr¨oßterDankjedochgiltmeinenEltern1,diemichstetsmitallihrer
Kraftunterst¨utztundgef¨orderthabenundmirsodenlangenWeg,denich
gegangenbin,ersterm¨oglichten.
1Mygreatestgratitudegoestomyparents
v
Contsten
1TheSmartIndexingandRetrievalProblem
1.1Introduction............................
1.2ProblemStatement........................
1.2.1Anoverallsystem.....................
1.2.2Fieldsofapplication...................
1.3ExistingSolutions.........................
1.3.1Model-basedEventRecognition.............
1.3.2BlankSpots........................
1.4DefinitionofaSemanticConcept................
1.5Organizationofthiswork....................
1123455889
2RecentAdvancesintheFieldofAnalysisandModelingof
ObjectMotionandBehavior10
2.1Introduction............................10
2.2Overviewonappliedtechniques.................11
2.2.1ProbabilisticandStochasticTechniques.........11
2.2.2SymbolicTechniques...................13
2.2.3PetriNet.........................14
2.3Action-orientedmotionanalysisandtracking..........15
2.4Scenarioanalysis.........................17
2.5Eventdetectionandrepresentation...............21
2.6OntologiesforVideoEvents...................34
3EmployedTechniquesandTools37
3.1Introduction............................37
3.2Ontologies.............................37
3.2.1Ontologydesign......................37
3.2.2OntologyLanguages...................39
3.2.3VERL...........................42
3.3TheVCAAlgorithm.......................56
3.4Retrievalqualitymeasures....................56
vi
4
5
3.4.1Recall...........................57
3.4.2Precision..........................57
3.5The“GroundTruth”.......................57
ASemanticConceptfortheMappingoflow-levelAnalysis
Datatohigh-levelSceneDescriptions58
4.1Introduction............................58
4.2Terminology............................59
4.3EventMorphemes.........................63
4.3.1MetaKnowledge.....................64
4.3.2SemanticModule.....................65
4.3.3EventMorphemeTaxonomy...............66
4.3.4SemanticInterpolation..................68
4.3.5Reasoning-outfalsepositives...............69
4.3.6EventMorphemePath..................69
4.4ApplicationofEventMorhpemes................69
4.4.1Separatelistofobjects..................69
4.4.2EventMorphemeTemplate...............70
4.4.3EventMorphemes’sphereofresponsibilityforreasoning71
4.5Whereistheindex?........................71
4.6Anexample............................72
4.7ImplementingEventMorphemes.................74
4.7.1Anoverallsystem.....................74
4.7.2TheEventMorphemeOntology.............75
4.7.3TheEventMorphemedetectormodules.........75
81Results5.1Introduction............................81
5.2RealizationofUseCases.....................81
5.2.1Fight............................82
5.2.2Shopping.........................82
5.2.3CriminalBehavioratanATM..............83
5.2.4DetectBeggar/SalesmanonStreet...........83
5.3Reasoningoutfalsepositives...................84
5.4EventMorphemedetection....................84
5.4.1Resultsforthetestsequences..............86
5.4.2Errorbounds.......................87
5.5Comparison............................88
5.6Mappingotherapproaches’eventstoEventMorphemes....92
vii
6Conclusionandoutlook93
6.1Introduction............................93
6.2Assessingtheresults.......................94
6.3Outlook..............................95
AZusammenfassungindeutscherSprache104
A.1Einleitung.............................104
A.1.1Problemstellung......................105
A.1.2EinGesamtsystem....................106
A.1.3Anwendungsgebiete....................107
A.2ExistierendeL¨osungen...............