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