This dissertation proposes a novel approach for the recognition of compound 2D objects in images under real-time conditions. A compound object consists of a number of rigid object parts that show arbitrary relative movements. The underlying principle of the approach is based on minimizing the overall search effort, and hence the computation time. This is achieved by restricting the search according to the relative movements of the object parts. Minimizing the search effort leads to the use of a hierarchical model: only a selected root object part, which stands at the top of the hierarchy, is searched within the entire search space. In contrast, the remaining parts are searched recursively with respect to each other within very restricted search spaces. By using the hierarchical model, prior knowledge about the spatial relations, i.e., relative movements, between the object parts is exploited already in an early stage of the recognition. Thus, the computation time can be reduced considerably. Another important advantage of the hierarchical model is that it provides an inherent determination of correspondence, i.e., because of the restricted search spaces, ambiguous matches are avoided. Consequently, a complicated and computationally expensive solution of the correspondence problem is not necessary. The approach shows additional remarkable features: it is general with regard to the type of object, it shows a very high robustness, and the compound object is localized with high accuracy even under projective distortions. Furthermore, several instances of the object in the image can be found simultaneously. One substantial concern of this dissertation is to achieve a high degree of automation. Therefore, a method that automatically trains and creates the hierarchical model is proposed. For this, several example images that show the relative movements of the object parts are analyzed. The analysis automatically determines the rigid object parts as well as the spatial relations between the parts. This is very comfortable for the user because a complicated manual description of the compound object is avoided. The obtained hierarchical model is used to recognize the compound object in real-time.     «

This dissertation proposes a novel approach for the recognition of compound 2D objects in images under real-time conditions. A compound object consists of a number of rigid object parts that show arbitrary relative movements. The underlying principle of the approach is based on minimizing the overall search effort, and hence the computation time. This is achieved by restricting the search according to the relative movements of the object parts. Minimizing the search effort leads to the use of a...     »

In der vorliegenden Arbeit wird ein neues Verfahren vorgestellt, mit dem zusammengesetzte 2D Objekte in Bildern unter Echtzeit-Anforderungen erkannt werden können. Ein zusammengesetztes Objekt besteht aus mehreren starren Einzelteilen, die sich relativ zueinander in beliebiger Art bewegen können. Das dem Verfahren zugrunde liegende Prinzip basiert auf der bestmöglichen Verringerung des Suchaufwandes und dient somit dem Ziel, die Berechnungszeit während der Erkennungsphase zu minimieren. Die Umsetzung dieses Zieles wird durch die Einschränkung der Suche entsprechend der relativen Bewegungen der Objektteile erreicht. Dies führt zu der Verwendung eines hierarchischen Modells: Lediglich das Objektteil, das an der Spitze der Hierarchie steht, wird innerhalb des gesamten Suchraumes gesucht. Die verbleibenden Objektteile werden hingegen innerhalb eingeschränkter Suchräume relativ zueinander unter Verwendung eines rekursiven Verfahrens gesucht. Durch den Einsatz des hierarchischen Modells kann Vorwissen über die räumlichen Beziehungen, d.h. die relativen Bewegungen, zwischen den Objektteilen bereits in einer sehr frühen Phase der Erkennung genutzt werden. Dadurch wird die Rechenzeit entscheidend reduziert. Ein weiterer großer Vorteil des hierarchischen Modells ist die inhärente Bestimmung der Zuordnung: Durch die eingeschränkten Suchräume werden Probleme, die durch auftretende Mehrdeutigkeiten hervorgerufen werden würden, vermieden. Eine komplizierte und rechenintensive Lösung des Zuordnungs-Problems während der Erkennungsphase erübrigt sich somit. Das vorgestellte Verfahren besitzt weitere bemerkenswerte Eigenschaften: Es ist nicht auf eine bestimmte Objektart beschränkt, sondern ist nahezu auf beliebige Objekte anwendbar. Das Verfahren zeichnet sich außerdem durch eine hohe Robustheit aus und ermöglicht es, das zusammengesetzte Objekt selbst unter projektiven Verzerrungen mit hoher Genauigkeit im Bild zu lokalisieren. Darüber hinaus können auch mehrere Instanzen eines Objektes im Bild simultan gefunden werden. Ein wesentliches Anliegen dieser Arbeit ist es, einen hohen Automatisierungsgrad zu erzielen. Aus diesem Grund wird eine Methode entwickelt, die es erlaubt, das hierarchische Modell automatisch zu trainieren und aufzubauen. Hierfür werden einige Beispielbilder, in denen die relativen Bewegungen der Objektteile zu sehen sind, analysiert. Durch die Analyse können sowohl die starren Objektteile als auch die Relationen zwischen den Teilen automatisch ermittelt werden. Dieses Vorgehen ist äußerst komfortabel, da sich eine komplizierte manuelle Beschreibung des zusammengesetzten Objektes durch den Benutzer erübrigt. Das somit abgeleitete hierarchische Modell kann schließlich für die Erkennung in Echtzeit genutzt werden.     «

In der vorliegenden Arbeit wird ein neues Verfahren vorgestellt, mit dem zusammengesetzte 2D Objekte in Bildern unter Echtzeit-Anforderungen erkannt werden können. Ein zusammengesetztes Objekt besteht aus mehreren starren Einzelteilen, die sich relativ zueinander in beliebiger Art bewegen können. Das dem Verfahren zugrunde liegende Prinzip basiert auf der bestmöglichen Verringerung des Suchaufwandes und dient somit dem Ziel, die Berechnungszeit während der Erkennungsphase zu minimieren. Die Umse...     »