Video-Security – News, Trends und Einsatz im AlltagSES-Fachtagung vom 04. November 2014, Zürich

Sicherheitstechnologie: fuer den Kunden oder fuer die Katz?Luc Van GoolProf. 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 frameZwei Felder

Jedes Video-Frame koenntealso aus einem geraden undeinem ungeraden Feld bestehen

Frame

Gerades Feld

Ungerades Feld

Kamera 1

Kamera 2

Ein frame kann so Informationenvon 2 Kameras enthalten

INTERLACING

1 0 2 0 3 0 2 0 2 3 1 ...1 0

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 tagsder Kameras fuer spaetereAuswahl

Bilder der Kameraswerden automatischaussortiert

Jetzige Inhalte dieser Region werden als normal betrachtet

abnormaleSzenenwerden automatischdetektiert

Waehle eine Bildregion aus

Hintergrund Vorfall

Beispiel der Hintergrund substrahierungBeispiel der Hintergrund substrahierung

Vordergrund

Vorfaelle im UeberblickVorfaelle im Ueberblick

Benuetzerkoennen Kommentarehinzufuegen

Bilder mal schnell aufbessern:der alte... Traum

IP-video surveillance systemsIP 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 schematischAufgebaut werden

Mittelwerte ueber die Zeit hinwegMittelwerte ueber die Zeit hinweg

Mittelwerte ueber die Zeit hinwegMittelwerte ueber die Zeit hinweg

Mittelwerte ueber die Zeit hinwegMittelwerte ueber die Zeit hinweg

eine Anzahl Bilder mit niedriger Aufloesung werden kombiniert zu einem Bild mit hoehere Aufloesung

SuperSuper -- AufloesungAufloesung

Originales Detail super – aufgeloestes Detail

40 Bilder wurden kombiniert die Aufloesung wurde ueber einem Faktor 4 verbessert

super – aufgeloestes DetailOriginales Detail30 Bilder wurden kombiniert

die Aufloesung wurde ueber einem Faktor 4 verbessert

Bild mit geringem Kontrast

histogram equalisation

Erhoehung der Kontrastewobei man die Verteilungmoeglichst flach macht

unsharp masking

Zusaetliche Erhoehung der Kontraste,in der Naehe von Kanten

Tatort Vermessung

IP-video surveillance systemsIP Video surveillance systems

Video management software

Video analytics software

Schaetzung der Laenge

Aus einem Bild

? 148.0 cm87.3 cm

Schaetzung der Laenge

Schaetzung der Laenge

Messungwird von einigenFaktorenbeeinflusst

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

Messungwird von einigenFaktorenbeeinflusst

3D Rekonstruktion aus mehreren Bildern (zB mit Handkamera aufgezeichnet)

usw usw

SICHERHEITSKAM

HANDKAM

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-fassungVorfaelle

Konzept der Aktivitaetsmodellierung

Mod

el

Activ

ity

specific

broad general

precise

Aktivitaetenunterscheide

n

neue Daten

interpretieren

➔ 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

relevantirrelevant

1. Motion detection2. Motion learning

relevant

relevant

relevant

abnormal

normal

normal

irrelevant

irrelevant1. Motion detection2. Motion learning3. Event detection

relevant

relevant

relevant

abnormal

normal

normal

truck

2 persons

car stopping

irrelevant

irrelevant1. Motion detection2. Motion learning3. Event detection4. Event labelling

Unsere Soft wird schon von ETH spin-off upicto angewand(zB fuer die Kantonalpolizei Zuerich)

Dr. Fabian Nater upicto GmbH nater@upicto.com Technoparkstrasse 1 +41 78 843 7311CH-8005 Zürich www.upicto.com

QUESTIONS ?