Kontextgestützte Fußgängerklassifikation für ein Fahrzeug-Nachtsichtsystem

Résumé fourni par la source

Durch den Einsatz von Nachtsichtsystemen mit Fußgängererkennung in modernen Fahrzeugen soll die Anzahl tödlicher Unfälle bei Nacht minimiert werden. Hierfür wird die Klassifikationsaufgabe im Bild üblicherweise über lokale Ansätze gelöst, z.B. durch die Anwendung der Sliding Window Methode. Der Nachteil dieser Ansätze besteht darin, dass sie lokale Bildausschnitte betrachten, um die Fußgängerklasse vom Hintergrund zu trennen. In den Fällen, in denen die Falschdetektionen eine fußgängerähnliche Gestalt aufweisen, ist es schwierig, die Klassifikationsaufgabe auf diese Weise zu lösen. Die Klassifikationsentscheidung wird besser, wenn man nicht nur den lokalen Bildausschnitt, sondern zusätzlich den globalen Zusammenhang betrachtet, in dem sich dieser Bildausschnitt befindet. Dieser globale Zusammenhang wird als Fußgängerkontext bezeichnet. Die vorliegende Arbeit stellt einen Ansatz zur Verbesserung der Leistung eines lokalen Kaskadenklassifikators durch Hinzunahme von Kontextwissen vor. Dazu wird untersucht, welche Informationen dazu beitragen können, dieses Wissen zu beschreiben. Der Fußgängerkontext wird hierbei als eine Ansammlung vieler unterschiedlicher Informationen verstanden, die den Zusammenhang zwischen dem detektierten Fußgänger und seiner Umgebung darstellen.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.