Embed Size (px)
Citation preview
Video-Security – News, Trends und Einsatz im AlltagSES-Fachtagung vom 04. November 2014, Zürich
Sicherheitstechnologie: fuer den Kunden oder fuer die Katz?Luc Van GoolProf. ETH, Computer Vision Lab
Wenn die Polizei die Uni anruft: ein Fall fuer Zwei(fel)
IP Video surveillance systems
Video management software
Video analytics software
IP Video surveillance systems
Video management software
Video analytics software
Surveillance videos often have quality issues
Video besteht aus einer Reihe von frames PAL laeuft ab an 25 fps ( frames pro Sekunde )
In einem traditionellen Video, wie zB PAL, enthaelt jedes frame 2 Felder, interlaced
INTERLACING
ungerades Feld
gerades Feld
Ein Frame
INTERLACING
Ein frameZwei Felder
Jedes Video-Frame koenntealso aus einem geraden undeinem ungeraden Feld bestehen
Frame
Gerades Feld
Ungerades Feld
Kamera 1
Kamera 2
Ein frame kann so Informationenvon 2 Kameras enthalten
INTERLACING
1 0 2 0 3 0 2 0 2 3 1 ...1 0
KAMERA 0 KAMERA 1 KAMERA 2 KAMERA 3
Tape (VHS)frame 0 frame 2
field 0 field 1 field 4 field 5
Auf einander folgende Bilder vielleicht von anderen Kameras
TIME LAPSED
multiplexed input video
Basierend auf Kamera Kode
identification tagsder Kameras fuer spaetereAuswahl
Bilder der Kameraswerden automatischaussortiert
Jetzige Inhalte dieser Region werden als normal betrachtet
abnormaleSzenenwerden automatischdetektiert
Waehle eine Bildregion aus
Hintergrund Vorfall
Beispiel der Hintergrund substrahierungBeispiel der Hintergrund substrahierung
Vordergrund
Vorfaelle im UeberblickVorfaelle im Ueberblick
Benuetzerkoennen Kommentarehinzufuegen
Bilder mal schnell aufbessern:der alte... Traum
IP-video surveillance systemsIP Video surveillance systems
Video management software
Video analytics software
Video Aufbesserung luminance gamma correction greyscale conversion threshold frame 2 field conversion similar / deviant frames median filter . . .
Eine Filtersequenz kann schematischAufgebaut werden
Mittelwerte ueber die Zeit hinwegMittelwerte ueber die Zeit hinweg
Mittelwerte ueber die Zeit hinwegMittelwerte ueber die Zeit hinweg
Mittelwerte ueber die Zeit hinwegMittelwerte ueber die Zeit hinweg
eine Anzahl Bilder mit niedriger Aufloesung werden kombiniert zu einem Bild mit hoehere Aufloesung
SuperSuper -- AufloesungAufloesung
Originales Detail super – aufgeloestes Detail
40 Bilder wurden kombiniert die Aufloesung wurde ueber einem Faktor 4 verbessert
super – aufgeloestes DetailOriginales Detail30 Bilder wurden kombiniert
die Aufloesung wurde ueber einem Faktor 4 verbessert
Bild mit geringem Kontrast
histogram equalisation
Erhoehung der Kontrastewobei man die Verteilungmoeglichst flach macht
unsharp masking
Zusaetliche Erhoehung der Kontraste,in der Naehe von Kanten
Tatort Vermessung
IP-video surveillance systemsIP Video surveillance systems
Video management software
Video analytics software
Schaetzung der Laenge
Aus einem Bild
? 148.0 cm87.3 cm
Schaetzung der Laenge
Schaetzung der Laenge
Messungwird von einigenFaktorenbeeinflusst
Schuhe Kopfhaltung
Einfluss der Szene : Genauigkeit der Referenz Laengen Objektpositions gegenueber Kam. Kamera hat sich nicht bewegt ??!! Geraden f. Horizontbestimmung Fuesse sichtbar oder nicht . . .
Bildqualitaet
Standpunkt des Kameras Koerperhaltung
Messungwird von einigenFaktorenbeeinflusst
3D Rekonstruktion aus mehreren Bildern (zB mit Handkamera aufgezeichnet)
usw usw
SICHERHEITSKAM
HANDKAM
Objekterkennung: mission impossible?Die Katze im Garten in der Nacht sollte kein Alarm ausloesen
IP Video surveillance systems
Video management software
Video analytics software
Verbessert sich ueber die Zeit Unabhaengig vom Inhalt Effizientes processing
Patent application filed
Zusammen-fassungVorfaelle
Konzept der Aktivitaetsmodellierung
Mod
el
Activ
ity
specific
broad general
precise
Aktivitaetenunterscheide
n
neue Daten
interpretieren
➔ Finde die abnormale Vorfaelle, inkl. die Moeglichkeit fuer
den Gebraucher um die Regel zu bestimmen, wie Vorfaelle
die dauerhaft zum Alarm fuehren sollten / timestamps / uzw
Zeit
Abnormalitaet
Beispiel 1: abnormales in time-lapsed Video von Times Square
Beispiel 2: nur relevante Vorfaelle innerhalb Region vom Interesse
1. Motion detection
relevant
irrelevant
relevant
relevantirrelevant
1. Motion detection2. Motion learning
relevant
relevant
relevant
abnormal
normal
normal
irrelevant
irrelevant1. Motion detection2. Motion learning3. Event detection
relevant
relevant
relevant
abnormal
normal
normal
truck
2 persons
car stopping
irrelevant
irrelevant1. Motion detection2. Motion learning3. Event detection4. Event labelling
Unsere Soft wird schon von ETH spin-off upicto angewand(zB fuer die Kantonalpolizei Zuerich)
Dr. Fabian Nater upicto GmbH [email protected] Technoparkstrasse 1 +41 78 843 7311CH-8005 Zürich www.upicto.com
QUESTIONS ?
