Video-Security – News, Trends und Einsatz im Alltag SES-Fachtagung vom 04. November 2014, Zürich Sicherheitstechnologie: fuer den Kunden oder fuer die.

Präsentation zum Thema: "Video-Security – News, Trends und Einsatz im Alltag SES-Fachtagung vom 04. November 2014, Zürich Sicherheitstechnologie: fuer den Kunden oder fuer die."—  Präsentation transkript:

1 Video-Security – News, Trends und Einsatz im Alltag SES-Fachtagung vom 04. November 2014, Zürich Sicherheitstechnologie: fuer den Kunden oder fuer die Katz? Luc Van Gool Prof. ETH, Computer Vision Lab

2 Wenn die Polizei die Uni anruft: ein Fall fuer Zwei(fel)

3 IP Video surveillance systems Video management software Video analytics software

4 IP Video surveillance systems Video management software Video analytics software

5 Surveillance videos often have quality issues

6 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

7 INTERLACING Ein frame Zwei Felder

8 Jedes Video-Frame koennte also aus einem geraden und einem ungeraden Feld bestehen Frame Gerades Feld Ungerades Feld

9 Kamera 1 Kamera 2 Ein frame kann so Informationen von 2 Kameras enthalten INTERLACING

10 10203020231... 1 0 KAMERA 0KAMERA 1KAMERA 2KAMERA 3 Tape (VHS) frame 0frame 2 field 0field 1field 4field 5 Auf einander folgende Bilder vielleicht von anderen Kameras TIME LAPSED

11 multiplexed input video

12 Basierend auf Kamera Kode identification tags der Kameras fuer spaetere Auswahl Bilder der Kameras werden automatisch aussortiert

13 Jetzige Inhalte dieser Region werden als normal betrachtet abnormale Szenen werden automatisch detektiert Waehle eine Bildregion aus

14 HintergrundVorfall Beispiel der Hintergrund substrahierung Vordergrund

15 Vorfaelle im Ueberblick Vorfaelle im Ueberblick Benuetzer koennen Kommentare hinzufuegen

16 Bilder mal schnell aufbessern: der alte... Traum

17 IP-video surveillance systems IP Video surveillance systems Video management software Video analytics software

18 Video Aufbesserung  luminance  gamma correction  greyscale conversion  threshold  frame 2 field conversion  similar / deviant frames  median filter ... Eine Filtersequenz kann schematisch Aufgebaut werden

19 Mittelwerte ueber die Zeit hinweg

20

21

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

23

24 Originales Detail super – aufgeloestes Detail 40 Bilder wurden kombiniert die Aufloesung wurde ueber einem Faktor 4 verbessert

25 super – aufgeloestes Detail Originales Detail 30 Bilder wurden kombiniert die Aufloesung wurde ueber einem Faktor 4 verbessert

26

27 Bild mit geringem Kontrast histogram equalisation Erhoehung der Kontraste wobei man die Verteilung moeglichst flach macht unsharp masking Zusaetliche Erhoehung der Kontraste, in der Naehe von Kanten

28 Tatort Vermessung

29 IP-video surveillance systems IP Video surveillance systems Video management software Video analytics software

30 Schaetzung der Laenge Aus einem Bild

31 ? 148.0 cm 87.3 cm Schaetzung der Laenge

32 Schaetzung der Laenge

33 Messung wird von einigen Faktoren beeinflusst 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

34 Messung wird von einigen Faktoren beeinflusst

35 3D Rekonstruktion aus mehreren Bildern (zB mit Handkamera aufgezeichnet)

36 usw SICHERHEITSKAMSICHERHEITSKAM HANDKAMHANDKAM

37

38 Objekterkennung: mission impossible? Die Katze im Garten in der Nacht sollte kein Alarm ausloesen

39 IP Video surveillance systems Video management software Video analytics software

40 Verbessert sich ueber die Zeit Unabhaengig vom Inhalt Effizientes processing Patent application filed Zusammen- fassung Vorfaelle

41 Konzept der Aktivitaetsmodellierung Model Activity specific broadgeneral precise Aktivitaeten unterscheiden neue Daten interpretieren

42 ➔ 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

43 Beispiel 1: abnormales in time-lapsed Video von Times Square

44 Beispiel 2: nur relevante Vorfaelle innerhalb Region vom Interesse

45

46 1.Motion detection

47 relevant irrelevant relevant irrelevant 1.Motion detection 2.Motion learning

48 relevant abnormal normal irrelevant 1.Motion detection 2.Motion learning 3.Event detection

49 relevant abnormal normal truck 2 persons car stopping irrelevant 1.Motion detection 2.Motion learning 3.Event detection 4.Event labelling

50 Unsere Soft wird schon von ETH spin-off upicto angewand (zB fuer die Kantonalpolizei Zuerich) Dr. Fabian Nater upicto GmbHnater@upicto.comnater@upicto.com Technoparkstrasse 1+41 78 843 7311 CH-8005 Zürichwww.upicto.comwww.upicto.com

51 QUESTIONS ?