Netzwerk von Kameras zur Verfolgung von Personen in komplexen Innenräumen

Netzwerk von Kameras zur Verfolgung von Personen in komplexen Innenräumen
Netzwerk von Kameras zur Verfolgung von Personen in komplexen Innenräumen
Anonim

Forscher der Carnegie Mellon University haben eine Methode entwickelt, um die Standorte mehrerer Personen in komplexen Innenräumen mithilfe eines Netzwerks von Videokameras zu verfolgen und so etwas zu schaffen, das der fiktiven Karte des Rumtreibers ähnelt, die von Harry Potter verwendet wird, um das Kommen und Gehen zu verfolgen in der Hogwarts-Schule.

Die Methode war in der Lage, die Bewegungen von 13 Personen in einem Pflegeheim automatisch zu verfolgen, obwohl einzelne Personen manchmal aus dem Blickfeld der Kameras rutschten. Nichts von Potters Magie war nötig, um sie über einen längeren Zeitraum zu verfolgen; Vielmehr nutzten die Forscher mehrere Hinweise aus dem Video-Feed: Kleidungsfarbe, Personenerkennung, Flugbahn und, vielleicht am wichtigsten, Gesichtserkennung.

Multikamera- und Multiobjekt-Tracking ist seit einem Jahrzehnt ein aktives Forschungsgebiet, aber automatisierte Techniken haben sich nur auf gut kontrollierte Laborumgebungen konzentriert. Das Team von Carnegie Mellon hingegen bewies seine Technik mit echten Bewohnern und Mitarbeitern in einer Pflegeeinrichtung – mit Kameraansichten, die durch lange Flure, Türen, Menschen, die sich in den Fluren vermischen, Schwankungen in der Beleuchtung und zu wenigen Kameras, um umfassende, überlappende Ansichten zu liefern, beeinträchtigt wurden.

Die Leistung des Carnegie-Mellon-Algorithmus hat sich gegenüber zwei der führenden Algorithmen in der Verfolgung mehrerer Kameras und mehrerer Objekte deutlich verbessert. Es lokalisierte Personen in 88 Prozent der Fälle innerhalb eines Meters von ihrer tatsächlichen Position, verglichen mit 35 Prozent und 56 Prozent bei den anderen Algorithmen.

Die Forscher - Alexander Hauptmann, leitender Systemwissenschaftler am Institut für Informatik (CSD); Shoou-I Yu, ein Ph.D. Studentin am Language Technologies Institute; und Yi Yang, ein CSD-Postdoktorand - werden ihre Ergebnisse am 27. Juni auf der Computer Vision and Pattern Recognition Conference in Portland, Oregon, vorstellen.

Obwohl Harry Potter die Karte des Rumtreibers nur aktivieren konnte, indem er zuerst feierlich schwor: "Ich habe nichts Gutes vor", entwickelten die Forscher von Carnegie Mellon ihre Tracking-Technik als Teil ihrer Bemühungen, die Gesundheit der Bewohner von Pflegeheimen zu überwachen.

"Das Ziel ist nicht, Big Brother zu sein, sondern die Pflegekräfte auf subtile Veränderungen im Aktivitätsniveau oder Verh altensweisen aufmerksam zu machen, die auf eine Veränderung des Gesundheitszustands hindeuten", sagte Hauptmann. Alle Personen in dieser Studie haben der Nachverfolgung zugestimmt.

Diese automatisierten Verfolgungstechniken wären auch in Flughäfen, öffentlichen Einrichtungen und anderen Bereichen nützlich, in denen Sicherheit ein Problem darstellt. Trotz der Bedeutung von Kameras bei der Identifizierung von Tätern nach dem Bombenanschlag auf den Boston-Marathon in diesem Frühjahr und den Bombenanschlägen in London 2005 wird ein Großteil der Videoanalyse, die für die Verfolgung von Personen erforderlich ist, weiterhin manuell durchgeführt, bemerkte Hauptmann.

Die CMU-Arbeit zur Überwachung von Pflegeheimbewohnern begann 2005 als Teil eines von den National Institutes of He alth gesponserten Projekts namens CareMedia, das jetzt mit dem Quality of Life Technology Center, einem technischen Forschungszentrum der National Science Foundation, verbunden ist CMU und der University of Pittsburgh.

"Wir dachten, es wäre einfach", sagte Hauptmann über das Tracking mit mehreren Kameras, "aber es stellte sich als unglaublich herausfordernd heraus."

Etwas so Einfaches wie das Nachverfolgen anhand der Kleidungsfarbe erwies sich beispielsweise als schwierig, weil einfarbige Kleidung für Kameras an verschiedenen Orten je nach Lichtverhältnissen unterschiedlich erscheinen kann. Ebenso kann die Sicht einer Kamera auf eine Person oft durch andere Passanten in Fluren, durch Möbel und beim Betreten eines Raums oder anderen Bereichs, der nicht von Kameras abgedeckt wird, blockiert werden, sodass Personen regelmäßig vom System neu identifiziert werden müssen.

Gesichtserkennung hilft enorm bei der Wiederidentifizierung von Personen auf verschiedenen Kameras. Aber Yang bemerkte, dass Gesichter in weniger als 10 Prozent der Videoframes erkannt werden können. Daher entwickelten die Forscher mathematische Modelle, die es ihnen ermöglichten, Informationen wie Aussehen, Gesichtserkennung und Bewegungsbahnen zu kombinieren.

Die Verwendung aller Informationen ist der Schlüssel zum Tracking-Prozess, aber Yu sagte, die Gesichtserkennung habe sich als die größte Hilfe erwiesen. Als die Forscher Gesichtserkennungsinformationen aus dem Mix entfernten, sank ihre On-Track-Leistung in den Pflegeheimdaten von 88 Prozent auf 58 Prozent, nicht viel besser als einer der bestehenden Tracking-Algorithmen.

Das von den Forschern analysierte Pflegeheimvideo wurde 2005 mit 15 Kameras aufgenommen; die Aufnahmen sind knapp über sechs Minuten lang.

Weitere Arbeiten sind erforderlich, um die Technik über längere Zeiträume auszudehnen und eine Echtzeitüberwachung zu ermöglichen. Die Forscher suchen auch nach weiteren Möglichkeiten, um die Aktivitäten der Bewohner mithilfe von Videos zu überwachen und gleichzeitig die Privatsphäre zu wahren, z. B. indem nur die Umrisse von Personen zusammen mit Entfernungsinformationen von Tiefenkameras, ähnlich der Microsoft Kinect, aufgezeichnet werden.

Beliebtes Thema