Tegenwoordig is automatische verwerking van video een handig en veelgebruikt hulpmiddel om mensen te beschermen en hun taken te vergemakkelijken door toepassingen in toezicht, verkeersmonitoring en videoconferencing. Door het groeiende aantal cameras en door onze huidige rekenkracht die deze massa data kan verwerken en analyseren, kunnen we multicameratoepassingen ontwikkelen die data van verschillende sensoren samen kan verwerken. Daarbij zijn de uitdagingen om te gaan met beperkte bandbreedte en hoge kost qua verwerkings- en opslagcapaciteit voor deze data.
In deze thesis gebruiken we laag-niveau tot hoog-niveau verwerkingstechnieken aangepast aan data van multicameranetwerken. Als laag-niveau toepassing ontwikkelden we een nieuw algoritme voor voorgronddetectie voor het volgen van objecten in ware tijd die om kan gaan met moeilijke en veranderende belichting van de scène.
Het voornaamste deel van deze thesis is een gedetailleerde analyse van twee eigen state-of-the-art volgtechnieken in ware tijd: een multicamera-volgmethode gebaseerd op bezettingskaarten en een gedistribueerde aanpak om objecten te volgen met een multicamerasysteem met terugkoppelingslus.
Als hoog-niveau toepassing stellen we een methode voor om de dynamiek van vergaderingen te begrijpen (zogenaamde smart meetings) die een multicamera-opstelling met omgevingscameras en close-up cameras gebruikt. Voor al onze methoden geven we zowel kwalitatieve als kwantitatieve resultaten. | |