Objektsensitive Verfolgung und Klassifikation von Fußgängern mit verteilten Multi-Sensor-Trägern

Die Zustandsschätzung einer unbekannten Anzahl an Objekten stellt trotz der Existenz theoretisch Bayes-optimaler Multi-Objekt-Filter durch die große Anzahl an Modellannahmen dieser Filter eine große Herausforderung dar. In dieser Arbeit wurden die Eignung derartiger Filter für den praktischen Einsatz in Multi-Objekt-Multi-Sensor-Szenarien untersucht und die Filter um nötige Modellerweiterungen ergänzt. Als Anwendungsszenario wurde auf die Verfolgung von Fußgängern in Innenräumen eingegangen. State estimation of an unknown number of objects remains a challenging topic - despite the existence of theoretically bayes-optimal multi-object-filters - due to numerous assumptions in the modeling process. This thesis evaluates such filters in real multi-object-multi-sensor scenarios and proposes necessary extensions to existing models. The main application of the thesis is indoor pedestrian tracking.

Klappentext

Die Zustandsschätzung einer unbekannten Anzahl an Objekten stellt trotz der Existenz theoretisch Bayes-optimaler Multi-Objekt-Filter durch die große Anzahl an Modellannahmen dieser Filter eine große Herausforderung dar. In dieser Arbeit wurden die Eignung derartiger Filter für den praktischen Einsatz in Multi-Objekt-Multi-Sensor-Szenarien untersucht und die Filter um nötige Modellerweiterungen ergänzt. Als Anwendungsszenario wurde auf die Verfolgung von Fußgängern in Innenräumen eingegangen. State estimation of an unknown number of objects remains a challenging topic - despite the existence of theoretically bayes-optimal multi-object-filters - due to numerous assumptions in the modeling process. This thesis evaluates such filters in real multi-object-multi-sensor scenarios and proposes necessary extensions to existing models. The main application of the thesis is indoor pedestrian tracking.