A Framework for Segmentation and Contour Approximation in Computer-Vision Systems

Abstract

In dieser Arbeit wird ein System zur Segmentierung und Konturapproximation in Computer-Vision Systemen vorgestellt. Das Ziel des Systems ist die Erkennung und räumliche Abtrennung von Personen und Objekten in Videobildern von einem bekannten Hintergrund. Hierfür wird ein hierarchisches mehrstufiges Segmentierungssystem mit internen Rückkopplungsmechanismen eingeführt, das aus einer unteren, einer mittleren und einer oberen Verarbeitungsebene besteht. Auf der unteren Verarbeitungsebene wird eine pixelweise Segmentierung durchgeführt und detailliertes Wissen über den Hintergrund in Fuzzy-Wissensbasen abgelegt. Die mittlere Verarbeitungsebene unterteilt das Bild in rechteckige Bereiche und wendet ein fuzzy-regelbasiertes Mustererkennungssystem auf diesen Bereichen an. Schließlich werden auf der oberen Verarbeitungsebene anwendungsabhängige Kenntnisse über die zu findenden Objekte einbezogen, um mögliche Fehlklassifikationen zu eliminieren. Interne Rückkopplungsmechanismen ermöglichen ein ständiges Weiterlernen des Hintergrundes, eine Adaption der Parameter im laufenden Betrieb und eine ständige Verbesserung der Segmentierungsergebnisse. Desweiteren wird ein neuer Algorithmus zur Konturapproximation vorgestellt. Der Algorithmus ist für den Einsatz in Echtzeitsystem geeignet, benötigt nur wenige Parameter und basiert auf rein geometrischen Berechnungen. Besonderer Wert wurde in dieser Arbeit auf den Umgang mit wechselhaften und sich ändernden Beleuchtungsverhältnissen gelegt, die häufig zu ernsthaften Problem bei Segmentierungsalgorithmen führen. Die hohe Leistungsfähigkeit des Algorithmus wird durch massive Hauptspeichernutzung erreicht. Die gute Gesamtleistung des vorgestellten Systems wird anhand verschiedener Anwendungen demonstriert.

In this thesis, a framework for segmentation and contour approximation in computer-vision systems is presented. The goal of the system is the recognition and spatial isolation of persons and objects in video images in front of a known background. For this purpose, a hierarchical multi-level segmentation system with internal feedback mechanisms is introduced, which consists of a low-level, a mid-level, and a high-level processing stage. The low-level processing stage performs a pixelwise segmentation and acquires detailed knowledge about the background in fuzzy knowledge bases. The mid-level processing stage subdivides the image area in rectangular boxes and applies a fuzzy rule-based pattern recognition system to these box areas. Finally, the high-level processing stage incorporates application-dependent knowledge about the objects that have to be found in order to eliminate possible misclassifications. Internal feedback mechanisms allow for continuous learning of the background, online adaption of parameters, and a continuous improvement of the segmentation results. Moreover, a new algorithm for contour approximation is introduced. The algorithm is suitable for real-time applications, requires only few parameters, and is based on mere geometric calculations. A special emphasis of this work has been laid on the anticipation of varying and changing illumination, which often leads to severe problems for segmentation algorithms. The good capabilities of the algorithm are achieved by extensively exploiting main memory. The good overall performance of the introduced system is demonstrated on the basis of different applications.