Bitte wählen Sie den gewünschten Projektzeitraum:
- Juli 2026
- Januar 2026
- Juli 2025
- Januar 2025
- Juli 2024
- Januar 2024
- Juli 2023
- Januar 2023
- Juli 2022
- Januar 2022
- Juli 2021
- Januar 2021
- Juli 2020
- Januar 2020
- Juli 2019
- Januar 2019
- Juli 2018
- Januar 2018
- Juli 2017
- Januar 2017
- Juli 2016
- Januar 2016
- Juli 2015
- Januar 2015
- Juli 2014
- Januar 2014
- Juli 2013
- Januar 2013
- Juli 2012
- Januar 2012
- Juli 2011
- Januar 2011
- Juli 2010
- Januar 2010
- Juli 2009
- Januar 2009
- Juli 2008
- Januar 2008
- Juli 2007
- Januar 2007
- Juli 2006
- Januar 2006
- Juli 2005
- Januar 2005
- Juli 2004
- Januar 2004
- Juli 2003
- Januar 2003
- Juli 2002
- Januar 2002
- Juli 2001
- Januar 2001
Förderbeginn 01.07.2010
Objekterkennung und -verfolgung in Videosequenzen
Dipl.-Ing. Katharina Quast
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Multimediakommunikation und Signalverarbeitung
Prof. Dr. Mohan M. Trivedi
University of California, San Diego
Computer Vision and Robotics Research Laboratory
Das automatische Erkennen und Verfolgen von Objekten in Videosequenzen zählt zu den
wichtigsten Aufgabenstellungen im Computer-Vision-Bereich, da es in den unterschiedlichsten
Anwendungen zum Einsatz kommt. Beispielsweise wird eine zuverlässige Objekterkennung und
-verfolgung sowohl für Fahrerassistenzsysteme benötigt, als auch für die video-basierte
Unterstützung von automatischen Flugleitsystemen. Neben den unzähligen Anwendungen stellt die
Objekterkennung und -verfolgung auch aus wissenschaftlicher Sicht immer noch eine große
Herausforderung dar, denn aufgrund von Beleuchtungsveränderungen, Verdeckungen oder sich
verändernden Hintergründen kann die Objekterkennung und -verfolgung erheblich erschwert
werden. Im Rahmen dieser BaCaTeC-Kooperation sollen daher leistungsstarke Algorithmen zur
automatischen Objekterkennung und Objektverfolgung untersucht und (weiter-)entwickelt werden.
Besonders die Kombination von verschiedenen Objektmerkmalen und das Berücksichtigen von
zeitlichen und örtlichen Abhängigkeiten soll in diesem Kontext erforscht werden. Darüber hinaus
soll auch der Aspekt zur Evaluation von Algorithmen zur Erkennung und Verfolgung von Objekten
in Videosequenzen bearbeitet werden.