QTrajectories - Dezentrale Bestimmung von Bewegungsmustern aus Trajektorien
Final Report Abstract
Das Ziel dieses Teilprojekts war es, anhand der zur Verfügung gestellten Trajektoriendaten qualifizierte Aussagen über das Bewegungsverhalten und über kritische Situationen zu treffen, die daraufhin der Kamerasteuerung als Datengrundlage dienen, die einzelnen Kameras optimal auszurichten. Dabei fallen besonders die Punkte der Qualität der Aussagen und die dezentrale Verarbeitung der Daten ins Gewicht. In diesem Zusammenhang sind die angesetzten Arbeitspakete bearbeitet worden. So sind nach den gemeinsamen Vorarbeiten Verfahren zu der Erkennung individueller Bewegungsmuster, der dezentralen Mustererkennung oder der dezentralen Detektion von lokalen Flocks entwickelt worden. Außerdem sind erste Ansätze bzw. Grundideen für die Bestimmung kritischer Situationen und zum Thema Evaluierung entwickelt worden. Alle Algorithmen sind innerhalb eines eigenen Frameworks implementiert und getestet worden. Die Tests der Algorithmen bestätigten die jeweilige Nutzbarkeit für das gegebene Szenario und gaben gleichzeitig Hinweise auf weitere mögliche Anwendungsfälle, in denen die Methoden ebenfalls genutzt werden könnten.
Publications
-
2011, Finding interesting places and characteristic patterns in spatiotemporal trajectories, 8th LBS Symposium 2011, Vienna
Feuerhake, U., Kuntzsch, C., and Sester M.
-
2012, Prediction of Individual’s movement based on interesting places, XXII ISPRS 2012, Melbourne
Feuerhake, U.
-
2012, QTrajectories: Improving the Quality of Object Tracking Using Self-organized Camera Networks, XXII ISPRS 2012, Melbourne
Jaenen, U., Feuerhake, U., Klinger, T., Muhle, D., Haehner, J., Sester, M., Heipke C.
-
2012, Revealing Underlying Structure and Behaviour from Movement Data, KI - Künstliche Intelligenz, Springer Berlin / Heidelberg, pp 1-9, 2012
Sester, M., Feuerhake, U., Kuntzsch, C., Zhang, L.
