Bildverstehen - Weiterführende Algorithmen und Anwendungen
Aktuelles
Eine Vorbesprechung findet am Donnerstag, den 16.7.2009 um 15:00 Uhr in Raum 02.09.023 statt.
Themen
Die folgenden Themen stehen zur Verfügung. Zu Themen, die bereits vergeben sind, wird zusätzlich der Vortragstermin vermerkt.
Bild Repräsentationen und Merkmalsextraktion (dd.mm.yyyy)
Bilder
können auf sehr unterschiedliche Art und Weise repräsentiert werden. Es
gibt verschiedene Farbräume, so wie den RGB-Raum oder den HSV-Raum.
Zusätlich werden komplexere Bilderepräsentation benutzt, um
Beispielsweise die Ausdehnung von Hautfarbe anzugeben. SIFT und SURF Mermale geben Auskunft über Bildbereiche, die auch in nachfolgenden Bildern gut wiedergefunden werden können. Solche
Informationen sind sehr nützlich bei der weiteren Verarbeitung des Bildmaterials.
Objektlokalisierung (assigned)
Verschiedene Objekte werden häufig von dem Algorithmus von Viola und Jones
oder einem artverwandten Verfahren detektiert. Diese liefern ein
umgebendes Rechteck des gesuchten Objektes im Bild. Dazu werden eine
Vielzahl von Hypothesen im gesammten Bild geprüft, um das Gesicht zu
detektieren.
Active Appearance Models (AAM) (dd.mm.yyyy)
Modelle
stellen a priori Wissen über Objekte der echten Welt dar. Active Shape
Models modellieren die Veränderung der Form eines Objektes im Bild. Sie
werden erstellt, indem eine große Menge statistischer Daten von einer
Sammlung manuel annotierter Bilder extrahiert wird. Active Appearance Models gehen noch einen Schritt weiter und beziehen auch die Textur des Objektes mit ein. Beispielsweise, Modelle von menschlichen Gesichtern ziehen die Kontur des Gesichts, Mund, Nase,
Augen und Augenbrauen in Betracht.
3D Morphable Models (assigned)
Sowohl
Active Appearance Modelle als Active Shape Modelle beziehen sich auf
die Erscheinung des Objekts im Bild, nicht auf die tatsächliche
Raumstruktur. Im Gegensatz dazu modelieren 3D Morphable Models die
Objekstruktur im dreidimensionalen Raum und werden mittels
perspektivischer Projektion in das Bild projeziert.
Modelleinpassung (dd.mm.yyyy)
Modeleinpassung
beschreibt den Vorgang, für ein gegebenes Bild eine möglichst gute
Modelparameterisierung zu finden. Diese herausfordernde Aufgabe wird
mit Hilfe von Bewertungsfunktionen gelöst, die messen, wie gut eine
Modelparameterisierung zum Bild passt. Dies jedoch wirft die Frage auf,
wie man eine gute Bewertungsfunktion erhält.
Objektverfolgung (dd.mm.yyyy)
Im
Gegensatz zur Modeleinpassung setzt die Objektverfolgung eine gute,
bekannte Modelparameterisierung für ein oder mehrere Referenzbilder
voraus. Darauf aufbauend werden Modelparameterisierungen für
Folgebilder ermittelt. Diese zusätzlichen Informationen erlauben eine
grundlegend andere Herangehensweise beider Verfolgung von Objekten als
beim initialen Einpassen des Models.
Personenidentifikation (dd.mm.yyyy)
Klassifikatoren
werden in der Informatik häufig eingesetzt, um komplexe Strukturen und
Abhängigkeiten in Daten zu lernen, die ein Mensch nicht mehr
überblicken kann. Auch die Identifikation von Personen ist ein solches
Klassifikationsproblem. In diesem Vortrag sollen verschiedene berühmte
Klassifikationstechniken vorgestellt und miteinander verglichen werden.
