Klassifi kation von Fussgangern in MIR-Bildern nach ihrem erwarteten Verhalten: eine erste Annaherung

摘要

Die automatische Detektion von Fussgangern zur Fahrerassistenz ist ein sehr aktueller Forschungsbereich. Ein Grund dafur ist, dass Fussganger nach den Autoinsassen die zweithaufigsten Opfer von Verkehrsunfallen sind. Die hier vorgestellte Arbeit beschaftigt sich nicht nur mit der Detektion, sondern auch mit einer ersten Klassifikation der menschlichen Verkehrsteil-nehmern, die eine zuverlassige Unterscheidung von Fussgangern und Fahrradfahrern erlaubt. Da Fussganger und Fahrradfahrer als Verkehrsteilnehmer - obwohl sie einem ahnlich hohen Verletzungsrisiko bei einem Autounfall ausgesetzt sind - sehr verschieden ausgepragte Verhaltensweisen zeigen, ist deren Unterscheidung von besonders grossem Interesse. Die Kenntnis der Klassenzugehorigkeit erhoht das Verstandnis uber die Verkehrsumgebung und stellt eine erste Annaherung dar, um spater die Intention der Verkehrsteilnehmer einschatzen und bewerten zu konnen. Die prasentierte Methode basiert auf Aufnahmen einer Infrarotkamera, aus denen quasiinvariante Merkmale durch die Berechnung von Monomen systematisch extrahiert werden. Die Klassifikation erfolgt durch einen SVM-Klassifikator (Support Vector Machine). Der Vorteil dieser Methode besteht darin, dass die Klassifikation durch eine systematische Berechnung von Merkmalen ohne komplexere Analyse der Umgebung, ohne Kalibrierung der Kamera und ohne Tracking durchgefuhrt werden kann. Der durch das vorgestellte Verfahren erzielte Gewinn an Informationen zum Verkehrsszenario kann bereits fur eine erste Interpretation des Umfeldes verwendet werden.