Fahrzeugdetektion und -erkennung mittels mehrdimensionaler Farbhistogrammanalyse

Transkript

1 Fahrzeugdetekton und -erkennung mttels mehrdmensonaler Farbhstogrammanalyse Uwe Knauer, Ralf Reulke und Beate Meffert Humboldt-Unverstät zu Berln Insttut für Informatk Unter den Lnden 6, Berln emal: {knauer, reulke, Zusammenfassung. De Farbe der Lackerung von Fahrzeugen st en Merkmal, das mt Überwachungskameras gemessen werden kann. Durch m Vdeobld platzerte Detektorbereche kann zunächst de Anwesenhet enes Fahrzeugs automatsch erkannt werden. Das m Moment der Detekton aus dem Bld bestmmte Farbhstogramm des Fahrzeugs steht dann für de Wedererkennung n anderen Bldberechen zur Verfügung. Verschedene Metrken für den Verglech von Hstogrammen werden hnschtlch hrer Egnung zur Unterschedung der Fahrzeuge verglchen. 1 Enletung Für Telematkanwendungen m Straßenverkehr und für Zwecke der Verkehrsforschung stehen ene Rehe von Sensoren zur Verfügung, de Informatonen über das Verkehrsgeschehen lefern können. Am wetesten verbretet snd Induktonsschlefen, de nsbesondere für Ampelsteuerungen verwendet werden. Allerdngs kann mt hnen der Verkehr nur lokal beobachtet und analysert werden. Andere Ansätze, we bspw. Floatng Car Data (FCD), erlauben umgekehrt de flächenbaserte Enschätzung des Verkehrs [1]. Schlussfolgerungen für enen begrenzten Berech (räumlch und zetlch) lassen sch aus FCD ncht ohne weteres zehen. Demgegenüber können mt optschen Systemen sowohl lokale (querschnttsbezogene) als auch streckenbezogene Verkehrskenngrößen glechzetg ermttelt werden [2]. Für de automatserte Verkehrsbeobachtung gbt es ene Rehe verschedener Ansätze [3,4]. Während Verfahren, de auf dem Trackng der enzelnen Verkehrstelnehmer baseren, noch Gegenstand der Forschung oder n der Erprobungsphase snd, werden sogenannte optsche Schlefen schon set engen Jahren erfolgrech vermarktet und engesetzt. En etablertes System n desem Berech st Autoscope Solo [5]. Ausgehend vom Messprnzp ener optschen Schlefe, welches dem der Induktonsschlefe nachempfunden st, sollen durch de zusätzlche Abletung fahrzeugspezfscher Farbmerkmale Möglchketen zur Wedererkennung von Fahrzeugen n anderen Bldberechen oder durch andere Kameras untersucht werden. Wel de Abletung streckenbezogener Verkehrsdaten mmer dann möglch st, wenn en Fahrzeug mehrmals beobachtet und dentfzert werden kann, st es ene zentrale Frage für de Bldanalyse, we zuverlässg ene Wedererkennung erfolgen kann. Den Schwerpunkt der her beschrebenen Untersuchung bldet de Gegenüberstellung verschedener Metrken zum Verglech von Hstogrammen.

2 Durch de Analyse von Vdeoaufzechnungen soll engeschätzt werden, we endeutg sch en Fahrzeug allen durch das Farbhstogramm beschreben lässt und welchen Enfluss unterschedlche Verglechsmethoden auf das Erkennungsergebns haben. De automatsche Detekton von Fahrzeugen als wesentlche Voraussetzung für de Extrakton hrer Farbhstogramme und das der Untersuchung zugrundelegende Vdeomateral werden m Abschntt 2 vorgestellt. Den Methoden, zwe Hstogramme zu verglechen, wdmet sch Abschntt 3. De Ergebnsse des paarwesen Verglechs der Farbhstogramme ener Stchprobe von 1000 Fahrzeugen werden m Abschntt 4 dargestellt und dskutert. 2 Detekton von Fahrzeugen Deser Abschntt beschrebt de Funktonswese der für de Untersuchungen mplementerten erweterten optschen Schlefe (EOS). Als Vorlage dente de Funktonaltät des Systems Autoscope Solo. Abb.1 zegt den Erfassungsberech deses Autoscope-Systems während ener Messung n Berln an der Frankfurter Allee. De Abbldung zegt außerdem enen Tel der Konfguraton des Systems. Innerhalb der n Fahrtrchtung angeordneten vrtuellen Schlefen (gelbe Verecke) erfolgt de Messung der Geschwndgket. Dese wrd dem Fahrzeug zugeordnet, wenn es den senkrecht zur Fahrtrchtung legenden Zähldetektor (gelbe Balken) passert. Aus der Geschwndgket und der Belegungsdauer des Zähldetektors wrd de Fahrzeuglänge berechnet. Während der Messung mt dem Autoscope-System wurde smultan das Vdeobld aufgezechnet. Abb.1: Erfassungsberech der Kamera und Konfguraton von Autoscope Solo mt Geschwndgketsdetektoren (gelbe Verecke) und Zähldetektoren (gelbe Balken) Abb.2 zegt schematsch den Aufbau der EOS aus mehreren Erfassungsberechen und hre Projekton n das Kamerabld. Fahrzeuge können detektert werden, wenn se den Bldberech n Pfelrchtung passeren. Der n grüner Farbe dargestellte schmale Berech lnks dent der Erkennung des Messbegnns. Umgekehrt wrd mt dem rot gekennzechneten Ausschntt das Verlassen des Messberechs erkannt. De grau dargestellte Fläche n der Mtte ermöglcht de Erfassung der Belegungsdauer der Schlefe durch en Fahrzeug. Ist de Schlefe durch en Fahrzeug vollständg belegt, wrd das Farbhstogramm berechnet und gespechert. Zuvor fndet ene Transformaton der Daten vom RGB- n den HSV-Farbraum statt. Der Vortel, dass Hellgkets- und Farbnformaton be deser Transformaton

3 vonenander getrennt werden, lässt sch bspw. vortelhaft zur Erkennung des Fahrzeugsschattens ausnutzen. Abb.2: Modell der EOS und sene Projekton n das Kamerabld Fahrzeuglänge < 3 m 3 6 m 6 9 m 9 15 m > 15 m Gesamt Autoscope EOS Krad PKW, Klenbusse, Klenlaster LKW, Busse, evt. mt Anhänger Mensch Tab.1: Verglech der Zähldaten (Mttlere Spur, 36 Mnuten) De n Tab.1 dargestellten Ergebnsse zegen, dass de beden Systeme Autoscope und EOS be der Zählung von Fahrzeugen ähnlche Ergebnsse lefern. De Dfferenzen be der Gesamtzahl der Fahrzeuge legen n erster Lne n der Platzerung der optschen Schlefen begründet (vgl. Abb.1 und Abb.2). Be der Untersuchung des aufgezechneten Vdeomaterals mt dem nachempfundenen Verfahren nmmt de Schlefe de gesamte Brete der Fahrspur en und wrd aufgrund der Perspektve durch den Verkehr auf der rechten Fahrspur stärker beenflusst. Große Unterschede gbt es be der Entelung der Fahrzeuge entsprechend hrer Länge, de auf Unterschede be der Geschwndgketsmessung zurückzuführen snd. Zum Verglech snd auch de Zählergebnsse enes Beobachters, engetelt nach Fahrzeugkategoren, angegeben. Wesentlch für de m Folgenden untersuchte Identfkaton von Fahrzeugen anhand hrer Farbe st de zuverlässge Erkennung hrer Anwesenhet durch de EOS. Im aufgezechneten Vdeo wurden de Fahrzeuge nunmehr an zwe Postonen pro Fahrspur detektert. De m Moment der Detekton extraherten Farbhstogramme snd dredmensonale dskrete Häufgketsvertelungen m HSV-Farbraum. Um en Fahrzeug wederzuerkennen, muss nun de Ähnlchket bzw. der Abstand zwschen den Farbhstogrammen bestmmt werden. Geegnete Verfahren werden m folgenden Abschntt vorgestellt. 3 Ähnlchketsmaße für Farbvertelungen Deser Abschntt stellt Abstandsmetrken zum Verglech von jewels zwe Hstogrammen vor, welche de gleche Anzahl von Enträgen bestzen. De Auswahl und Systematserung der Verfahren orentert sch an [6]. In den Glechungen (1)

4 bs (6) snd H sowe K de zu verglechenden Hstogramme. Ene enzelne Hstogrammsäule wrd mt h bzw. k bezechnet. De Mnkowsk-Abstände (MIN r) snd verschedene häufg verwendete Metrken zum Verglech von Farbbldern. De Berechnungsvorschrft lautet: 1 (1) r r L ( H, K) h k. = d r De L 1- und L 2 Norm erhält man für r=1 bzw. r=2. Der Hstogrammschntt (HS) verglecht nsbesondere m endmensonalen Fall de gemensame Fläche zweer Hstogramme. Er st für sene Senstvtät be telweser Überenstmmung der Hstogramme bekannt: mn( h, k ) (2) d ( H, K) = 1 k De Kullback-Lebler- (KLD) und de Jeffrey-Dvergenz (JD) haben ene nformatonstheoretsche Begründung. Des wrd besonders an der Ähnlchket von Gl.(3) mt der Formel für de Berechnung der Entrope ener Vertelung deutlch. Während de Kullback-Lebler-Dvergenz ken symmetrsches Abstandsmaß st, glt de Symmetre für de auch gegenüber Rauschen und der Größe der Hstogrammsäulen stablere Jeffrey-Dvergenz: h = (3) d KL ( H, K) h log, k h k h + k (4) d ( H, K) = h log + k log mt m =. J m m En aus der Statstk motvertes Verglechsmaß st der? 2 -Abstand: 2 ( h ) 2 (, ) = m (5) d χ H K. m De Anwendung des Bhattacharya-Abstands (BA) zum Verglech von Farbvertelungen wrd u.a. n [7] beschreben. Ähnlch dem Hstogrammschntt lefert er en Maß für de gemensame Fläche zweer Vertelungen: d ( H, K) = h k. (6) B Es kann prnzpell zwschen Verfahren unterscheden werden, de Hstogramme elementwese verglechen, und solchen, de elementübergrefend arbeten. De getroffene Auswahl umfasst sechs Verfahren zum elementwesen Verglech von Hstogrammen. Wetere Verfahren, de auf kumulatven Hstogrammen beruhen (Kolmorogov-Smrnov-Abstand) oder Nachbarschaftsbezehungen zwschen den Hstogrammelementen berückschtgen (Quadratscher Abstand), exsteren. Ene Sonderstellung kommt der Earth Mover Dstance (EMD) zu, de m Kontext von Anfragen an Blddatenbanken vorgeschlagen wurde [6]. De Farbnformatonen werden dabe ncht mehr durch Hstogramme, sondern durch Sgnaturen repräsentert, de aus der Häufgketsvertelung berechnet wurden. Obwohl de EMD auf de vorlegende Problemstellung anwendbar st, wrd se her ncht weter untersucht, da ken Hstogramm, sondern de Zentrode von Clustern m Farbraum berechnet werden müssen.. 2

5 4 Expermente und Ergebnsse Deser Abschntt beschrebt de Anwendung der Verglechsmethoden aus Abschntt 3 auf de Farbhstogramme von Fahrzeugen. Aus dem m Abschntt 2 vorgestellten Vdeomateral wurden dazu zwe Hstogramme pro Fahrzeug an unterschedlchen Orten extrahert. Um den Berechnungsaufwand zu begrenzen, erfolgt en paarweser Verglech der Hstogramme nur für 1000 Fahrzeuge. Dabe werden mmer zwe Hstogramme mtenander verglchen, de n verschedenen Bldberechen extrahert wurden. Das Ergebns st für jedes Abstandsmaß ene Matrx mt 10 6 Elementen. Nur de Hauptdagonalen der Matrzen enthalten Abstandsmaße für en und dasselbe Fahrzeug. Zur Verrngerung des Berechnungsaufwands kann ausgenutzt werden, dass es sch mt Ausnahme der Kullback-Lebler-Dvergenz be den untersuchten Metrken um symmetrsche Abstandsmaße handelt. Es muss nur entweder de obere oder untere Dreecksmatrx berechnet werden. Da de Anzahl der Hstogrammsäulen bzw. - elemente erwartungsgemäß enen Enfluss auf de Erkennungsrate hat, wurde jeder Verglech außerdem für dre verschedene Quantserungen des Farbraums vorgenommen (4 3, 8 3 bzw.16 3 Hstogrammsäulen). Tab.2 zegt de Häufgketsvertelungen der berechneten Abstände für de sechs m Abschntt 3 vorgestellten Abstandsmaße. De Ergebnsse für den Verglech zweer Hstogramme von verschedenen Fahrzeugen (negatve Bespele) snd als rote Kurve dargestellt, dejengen für den Verglech desselben Fahrzeugs grün (postve Bespele). Es st zu erkennen, dass de Vertelungen n allen Fällen überlappen. Daher st es ncht möglch, enen enfachen Schwellwert anzugeben, mt dem entscheden werden kann, ob es sch um dasselbe Fahrzeug handelt oder ncht. De wesentlche Ursache für de Überlappung st de farblche Zusammensetzung der Fahrzeugflotte. Außerdem wächst proportonal zur Zetdfferenz zwschen den beden Messungen de Wahrschenlchket, dass Änderungen der Beleuchtung oder ene veränderte Perspektve auf das Fahrzeug zu Unterscheden m Hstogramm führen. Unter dem Geschtspunkt der Abhänggket der Ergebnsse von der Quantserung zegt sch en ähnlches Verhalten der Paare BA/HS sowe? 2 /JD. Um aus den Vertelungen auch ene qualtatve Aussage zur Güte der enzelnen Verfahren abzuleten, kann de Größe des überlappenden Berechs untersucht werden. Es betet sch an, den Schnttpunkt der beden Häufgketsvertelungen als Schwellwert heranzuzehen. Der zu desem Punkt gehörende Abstandswert d s trtt bem Verglech von Hstogrammen enes Fahrzeugs bzw. zweer verschedener Fahrzeuge glech häufg auf. Als Falschakzeptanzrate (FAR, engl. false acceptance rate) wrd der Antel der negatven Bespele bestmmt, für den glt: d(h,k) d s. De Falschrückwesungsrate (FRR, engl. false rejecton rate) st umgekehrt der Antel der postven Bespele, für de en Abstandswert größer als d s berechnet wurde. Wrd der Schwellwert d s anders gewählt, so ergeben sch ene neue FRR und FAR. Es glt allgemen, dass de Verrngerung enes der beden Fehler den anderen erhöht, sofern de Vertelungen sch überlappen, so we es her der Fall st. Abb.3 und 4 zegen FRR und FAR grafsch. Demnach wrd de gerngste FRR mt dem? 2 - Abstand und enem Hstogramm mt 16 3 =4096 Elementen erzelt. De klenste FAR erzelt der Mnkowsk-Abstand mt r=2 und enem Hstogramm mt 8 3 =512 Elementen. Im Verglech zu den anderen Verfahren st allerdngs sene FRR sgnfkant höher. De beden Größen FRR und FAR snd Erwartungswerte für den

6 MIN 2 HS KLD JD? 2 BA 4 h(d) 8 h(d) 16 h(d) Tab.2: Häufgketsvertelungen der Ähnlchketsmaße mt den verschedenen Metrken (grün = dentsches Fahrzeug, rot = verschedene Fahrzeuge) be äqudstanter Telung der dre Farbkanäle n 4, 8 und 16 Intervalle Abb.3: FRR Abb.4: FAR MIN 2 0 HS KLD JD χ 2 BA Abb.5: Korrekt zugeordnete Fahrzeuge

7 Fehler bem Verglech von zwe Hstogrammen, wenn de Entschedung nur aufgrund des Schwellwertes getroffen wrd. Im Kontext der Fahrzeugerkennung bedeutet des, dass aus der Menge aller vom ersten Ort bekannten Hstogramme {H } dejengen ausgewählt werden, de zum am zweten Ort gemessenen Hstogramm K enen kleneren Abstand als d s haben. De FRR st der Erwartungswert, dass das gesuchte Fahrzeug ncht n deser Vorauswahl enthalten st und de FAR en Erwartungswert dafür, dass en falsches Fahrzeug n de Vorauswahl aufgenommen wurde. Abb.6: Erkennungsraten be Verrngerung der Anzahl der Vergleche Allerdngs erfordert de Identfkaton enes Fahrzeugs kene Vorauswahl von Kanddaten, sondern ene möglchst zutreffende Entschedung für de Überenstmmung zweer Hstogramme. Dese kann anhand des mnmalen Abstands von K zu enem Hstogramm aus der Menge { H } erfolgen. In Abb.5 snd de mt den enzelnen Abstandsmaßen korrekt zugeordneten Fahrzeugzahlen gegenübergestellt. Anhand der Farbnformaton konnten mmerhn maxmal 40 % der Fahrzeuge n der Testmenge erfolgrech dentfzert werden. In der Praxs st der Verglech enes Hstogramms von Messschlefe 2 mt allen Hstogrammen von Messschlefe 1 ncht zweckmäßg. Wenn en Fahrzeug zugeordnet wurde, braucht das entsprechende Hstogramm be zukünftgen Verglechen ncht mehr enbezogen werden. Je nach Abstand der Messorte m Bld und Verkehrsstuaton ergbt sch damt ene wechselnde Zahl von notwendgen Verglechen. Abb.6 zegt, welche Erkennungsraten mt den enzelnen Metrken erzelt werden, wenn jedes durch de Messschlefe 2 detekterte Fahrzeug mt ener varablen Anzahl von Hstogrammen verglchen wrd, de von Fahrzeugen stammen, welche de Messschlefe 1 unmttelbar vor oder nach hm passert haben. Es snd nur de Ergebnsse für Hstogramme mt 16 3 =4096 Elementen angegeben. Be deser Quantserung wurden de besten Resultate erzelt. De Rangfolge der Verfahren unterschedet sch be 4 3 =64 und 8 3 =512 Elementen ncht wesentlch. 5 Zusammenfassung und Ausblck Optsche Schlefen wurden engesetzt, um zusätzlch zur Objektdetekton auch de Farbhstogramme von Fahrzeugen aus ener Vdeoaufzechnung zu extraheren.

8 Des betet den Vortel, dass ene Informaton zur Identfkaton der Fahrzeuge an enem anderen Ort zur Verfügung steht. De Enschränkung von optschen Schlefen, Verkehrsdaten nur lokal zu messen, kann so telwese überwunden werden. An Kreuzungen lässt sch bspw. de Auftelung von Verkehrsströmen lechter nachvollzehen. De aus der Identfkaton erwachsende Möglchket, Fahrzeten für längere Straßenabschntte zu bestmmen, erlaubt außerdem de Berechnung von streckenbezogenen mttleren Geschwndgketen. Mt ener Stchprobe wurden verschedene Metrken zum Verglech von Hstogrammen untersucht. Es zegte sch dabe, dass der Bhattacharya-Abstand das geegnetste Verfahren für de Unterschedung der Fahrzeuge st. De Unterschede zwschen hm sowe Jeffrey-Dvergenz, Hstogrammschntt und? 2 -Abstand snd jedoch gerng. De Kullback-Lebler-Dvergenz und der Mnkowsk-Abstand (MIN 2) sollten jedoch ncht engesetzt werden. De Ergebnsse zegen auch, dass de Farbgket der Fahrzeuge ken endeutges Merkmal st. De Wedererkennung enes Fahrzeugs durch ene zwete optsche Schlefe kann deshalb de Enbezehung weterer Informatonen erfordern. Das her vorgestellte Prnzp der erweterten optschen Schlefe soll zukünftg als Applkatonsmodul auf ener n das Kameragehäuse ntegrerten Rechenenhet engesetzt werden. De Entwcklung weterer solcher Module, bspw. zur Fahrzeugverfolgung, sowe de Fusonerung von Daten, de von mehreren Kamerasystemen gelefert werden, snd aktuelle Arbetsschwerpunkte. Danksagung Wr danken den Mtarbetern des Insttuts für Verkehrsforschung am DLR n Berln- Adlershof für de Durchführung der Autoscope-Messung. Insbesondere glt unser Dank Carsten Dalaff, Ibro Pandzo und Ronny Terzer. Das Projekt wrd aus Mtteln des IBB-Förderprogramms ProFt fnanzert. Lteratur 1. Meth, P.; Schäfer, R.-P.; Lorkowsk, S.; Wagner, P. : Road Map Generaton and Extracton of Road Attrbutes Based on Vehcle Postonng Data. WCTR, Istanbul, Türke, Meffert, B.; Blaschek, R.; Knauer, U.; Reulke, R.; Schschmanow, A.; Wnkler, F.: Montorng Traffc by Optcal Sensors. 2nd Internatonal Conference on Intellgent Computng and Informaton Systems, Karo, Ägypten, Dahlkamp, H.: Untersuchung enes Erwartungswert-Maxmerung (EM) Kontur- Algorthmus zur Fahrzeugverfolgung. Dplomarbet, Unverstät Karlsruhe (TH), Dalaff, C.; Ruhé, M.; Reulke, R.; Schschmanow, A.; Schlotzhauer, G.: OIS - An optcal Informatonssystem for Road Traffc Measurement and Management. Jont Workshop of ISPRS Workng Groups IV/3, IV/6 and IV/7, Un Vechta Stuttgart, Deutschland, Brokoph, V.: Verkehrsdatenerfassung mt enem Vdeoverkehrsmesssystem. Dplomarbet, FH Braunschweg/Wolfenbüttel, Rubner, Y.; Tomas, C.; Gubas, L.J.: A Metrc for Dstrbutons wth Applcatons to Image Databases. IEEE Internatonal Conference on Computer Vson, Mumba, Inden, Nummaro, K.; Koller-Meer, E.; Svoboda, T.; Roth, D.; Van Gool, L.: Color-Based Object Trackng n Mult-camera Envronments. DAGM Symposum, Magdeburg, Deutschland, 2003