Grundlagen der Computer Vision

Mündliche Prüfungen sind am 22. und 23.7.2013. Die Anmeldung erfolgt über Listen im Prüfungsamt.

Schein-Gespräche finden am 18.7. statt. Die Anmeldung erfolgt in den Übungen.

Computer Vision leitet sich aus dem Begriff Human Vision (d.h. visuelle Wahrnehmung des Menschen) ab. Methoden der Computer Vision versuchen auf verschiedenen Ebenen Prozesse der visuellen Wahrnehmung algorithmisch zu beschreiben oder durch gleichwertige Prozesse zu ersetzen, so dass aufgenommene Kamerabilder automatisch interpretiert oder analysiert werden können. Das gelingt naturgemäß leichter im Bereich der frühen Bildverarbeitung (Early Vision), über die viel aus der neurophysiologischen Forschung bekannt ist. Aber auch für komplexere Aufgaben der Bilderkennung wurden Prozesse gefunden, deren Resultate denen der Human Vision vergleichbar sind.
Ziel der Veranstaltung ist eine Darstellung grundlegender Methoden aus den Bereichen Early Vision und High Level Vision, die die Basis vieler Methoden zur automatischen Bilderkennung in Industrie und Forschung sind.

Prüfungsmodalitäten

Prüfung: Mündliche Prüfung. Voraussetzung dafür ist der Erhalt der Zulassung.
Schein - unbenotete Credits: Erfolgreiche Teilnahme am vorlesungsbegleitenden Projekt und Bestehen des Scheingesprächs innerhalb eines Semesters. Scheingespräche finden wahrscheinlich im Anschluss an die Vorlesung statt.

Disciplines of study:
PF CV;i 6-7
WPF CV;B 4-6
WPF DKE;M 1-3
WPF IF;i ab 6
WPF INGIF;i ab 6

Credits: 5

Language: deutsch

Literature

Aufgabenstellung

Ziel des Projekts ist die Segmentierung von bewegten Objekten in Videosequenzen. Die Segmentierung von bewegten Objekten in einer Szene ist ein wichtiger Vorverarbeitungsschritt für viele Methoden insbesondere im Bereich der Videoüberwachung, z.B. für eine anschließende Objektverfolgung (Tracking) oder eine Objektklassifikation. Ein häufig eingesetztes Verfahren (Background Subtraction) basiert dabei auf einer Trennung von Vordergrund- und Hintergrundobjekten mit Hilfe eines „Hintergrundbildes“.

Basierend auf dieser Grundidee sollen Strategien entwickelt werden, um mit Herausforderungen wie Helligkeitsänderungen, bewegten Hintergrundobjekten (wie Büsche oder Bäume), Schatten oder Objekten, die in der Szene zum Stehen kommen (stoppende Autos, etc.), umzugehen. Der Basis-Algorithmus ist daher je nach Problemspezifikation zu adaptieren und weiterzuentwickelen. Es bleibt Ihnen dabei freigestellt, welche Modifikationen und Erweiterungen Sie implementieren. Es soll sich jedoch zu Beginn auf bestimmte, selbst festgelegte Annahmen und Probleme konzentriert werden. Die Restriktionen und Annahmen, die damit verbunden sind, sollten Ihnen bewusst sein.

Zum Testen der Methode werden am Anfang der Veranstaltung Sequenzen ausgegeben.

Evaluation

Abschließend soll die implementierte Methode auf einem von uns bereitgestellten Benchmark-Datensatz, der gegen Ende der Veranstaltung ausgegeben wird, evaluiert werden. Die besten Algorithmen werden prämiert.

Organisatorisches

Zulassungsvoraussetzungen für die Prüfung und Kriterien für die erfolgreiche Teilnahme am Projekt:

• Mitarbeit in einer Projektgruppe aus 2-3 Studenten
• Jeder muss erkennbaren Beitrag zum Projekt leisten
• Programm in Matlab, Java oder C++
• selbstständig entwickelte Lösung jeder Projektgruppe - Austausch und Feedback in den Übungen erwünscht :)
• Anwesenheit bei den Präsentationsterminen (jeder muss mindestens einmal präsentieren)
• Abgabe der Dokumente und des Codes
• Abschlussbericht, mindestens 5 Seiten (PDF)
• Abschlusspräsentation mit wichtigsten Ergebnissen und Erkenntnissen

Prüfungen

Mündliche Prüfungen finden kurz nach Ende des Semesters statt.

Zeitplan

Courses

• Teaching (one up)

• Grundlagen der Bildverarbeitung
• Grundlagen der Computer Vision
• Medizinische Bildverarbeitung
• Pattern Recognition
• Fortgeschrittene Themen der Medizinischen Bildanalyse
• Softwareprojekte (Bachelor)
• Wissenschaftliche Teamprojekte / Laborpraktika
• Forschungsseminar

• zu Deutsch wechseln