KIT | KIT-Bibliothek | Impressum | Datenschutz

Probabilistic Models and Inference for Multi-View People Detection in Overlapping Depth Images

Wetzel, Johannes

Abstract:
Die sensorübergreifende Personendetektion in einem Netzwerk von 3D-Sensoren ist die Grundlage vieler Anwendungen, wie z.B. Personenzählung, digitale Kundenstromanalyse oder öffentliche Sicherheit. Im Gegensatz zu klassischen Verfahren der Videoüberwachung haben 3D-Sensoren dabei im Allgemeinen eine vertikale top-down Sicht auf die Szene, um das Auftreten von Verdeckungen, wie sie z.B. in einer dicht gedrängten Menschenmenge auftreten, zu reduzieren. Aufgrund der vertikalen top-down Perspektive der Sensoren variiert die äußere Erscheinung von Personen sehr stark in Abhängigkeit von deren Position in der Szene. ... mehr

Abstract (englisch):
Wide-area indoor people detection in a network of depth sensors is the basis for many applications, e.g. people counting, customer behavior analysis, public security or ambient assisted living. In contrast to classical pedestrian detection approaches, depth sensors typically capture the scene from the top-view to minimize occlusions in crowded scenes. As a consequence of the vertical top-view, position changes of individuals lead to drastically varying appearances. This makes the people detection task quite challenging for off-the-shelf, data-driven pedestrian detectors. ... mehr


Volltext §
DOI: 10.5445/IR/1000139972
Veröffentlicht am 18.11.2021
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Industrielle Informationstechnik (IIIT)
Publikationstyp Hochschulschrift
Publikationsdatum 18.11.2021
Sprache Englisch
Identifikator KITopen-ID: 1000139972
Verlag Karlsruher Institut für Technologie (KIT)
Umfang xxiii, 167 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Elektrotechnik und Informationstechnik (ETIT)
Institut Institut für Industrielle Informationstechnik (IIIT)
Prüfungsdatum 21.10.2021
Referent/Betreuer Prof. M. Heizmann
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page