Robuste, probabilistische, erscheinungsbasierte Objekterkennung

Bei immer mehr technischen Anwendungen wird die automatische Erkennung von Objekten in Bildern benötigt. In dieser Arbeit wird dazu ein robuster Ansatz vorgestellt, der es ermöglicht, eines oder mehrere drei-dimensionale Objekte in einer komplexen Szene zu klassifizieren und zu lokalisieren, d. h. sowohl Objektklasse als die dazugehörigen Lageparameter anzugeben. Der Ansatz ist erscheinungsbasiert. Folglich wird kein geometrisches Modell der Objekte benötigt, sondern die Objektmodelle können direkt aus Bildern trainiert werden. Dabei ist das Verfahren für beliebige (starre) Objekte einsetzbar. Die Merkmale, die das Objekt beschreiben, werden mit Hilfe der Wavelet-Multiskalen-Analyse aus den Bildern bestimmt. Darüberhinaus werden nicht nur die Objekte selbst, sondern auch der Hintergrund und die Zuweisung der einzelnen Merkmale zu den Objekten bzw. dem Hintergrund explizit modelliert. Zur Modellierung wird ein statistisches Framework verwendet. Daraus resultierend ist das System sehr robust gegenüber Störungen wie Beleuchtungsänderungen, Rauschen, heterogenem Hintergrund, partielle Verdeckungen etc., die meist bei realen Anwendungen auftreten. Ebenso ist es auch möglich, mehrere Objekte in einer Szene zu erkennen, wobei das Objekterkennungssystem die Anzahl selbstständig bestimmt. Die Leistungsfähigkeit dieses Ansatzes wird an zahlreichen Versuchen nachgewiesen.