Video-Security – News, Trends und Einsatz im Alltag SES-Fachtagung vom 04. November 2014, Zürich
Sicherheitstechnolo gie:
fuer den Kunden oder fuer die Katz? Luc Van Gool
Prof. 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 frame
Zwei Felder
Jedes Video-Frame koennte also aus einem geraden und einem ungeraden Feld
bestehen
Frame
Gerades Feld
Ungerades Feld
Kamera 1
Kamera 2
Ein frame kann so Informationen von 2 Kameras enthalten
INTERLACING
1 0 2 0 3 0 2 1 0 2 0 3 1 ...
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 tags der Kameras
fuer spaetere Auswahl
Bilder der Kameras
werden automatisch
aussortiert
Jetzige Inhalte dieser Region werden als normal betrachtet
abnormale Szenen werden
automatisch detektiert
Waehle eine Bildregion aus
Hintergrund Vorfall
Beispiel der Hintergrund substrahierung Beispiel der Hintergrund substrahierung
Vordergrund
Vorfaelle im Ueberblick Vorfaelle im Ueberblick
Benuetzer koennen Kommentare hinzufuegen
Bilder mal schnell aufbessern:
der alte... Traum
IP-video surveillance systems
IP 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 schematisch
Aufgebaut werden
Mittelwerte ueber die Zeit hinweg
Mittelwerte ueber die Zeit hinweg
Mittelwerte ueber die Zeit hinweg
Mittelwerte ueber die Zeit hinweg
Mittelwerte ueber die Zeit hinweg
Mittelwerte ueber die Zeit hinweg
eine Anzahl Bilder mit niedriger Aufloesung werden kombiniert zu einem Bild mit hoehere Aufloesung
Super
Super - - Aufloesung Aufloesung
Originales Detail super – aufgeloestes Detail 40 Bilder wurden kombiniert
die Aufloesung wurde ueber einem Faktor 4 verbessert
super – aufgeloestes Detail Originales Detail
30 Bilder wurden kombiniert
die Aufloesung wurde ueber einem Faktor 4 verbessert
Bild mit geringem Kontrast
histogram equalisation Erhoehung der Kontraste wobei man die Verteilung moeglichst flach macht
unsharp masking
Zusaetliche Erhoehung der Kontraste, in der Naehe von Kanten
Tatort Vermessung
IP-video surveillance systems
IP Video surveillance systems
Video management software Video analytics
software
Schaetzung der Laenge
Aus einem Bild
?
148.0 cm 87.3 cmSchaetzung
der Laenge
Schaetzung
der Laenge
Messung wird von einigen Faktoren beeinflusst
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
Messung
wird von
einigen
Faktoren
beeinflusst
3D Rekonstruktion aus mehreren Bildern
(zB mit Handkamera aufgezeichnet)
usw usw
S I C H E R H E I T S K A M
H
A
N
D
K
A
M
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 -fassung
Vorfaell
e
Konzept der Aktivitaetsmodellierung
Model
Activity
specific
broad general
precise
Aktivitaeten unterscheide
n
neue Daten interpretiere
n
➔ 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 relevant
irrelevant
1. Motion detection
2. Motion learning
relevant
relevant relevant
abnormal
normal normal
irrelevant
irrelevant
1. Motion detection
2. Motion learning
3. Event detection
relevant
relevant relevant
abnormal
normal normal
truck
2 persons car stopping
irrelevant
irrelevant
1. Motion detection
2. Motion learning
3. Event detection
4. Event labelling
Unsere Soft wird schon von ETH spin-off upicto angewand
(zB fuer die Kantonalpolizei Zuerich)
