Personenwiedererkennung mittels maschineller Lernverfahren für öffentliche Einsatzumgebungen
| dc.contributor.author | Eisenbach, Markus | |
| dc.contributor.editor | Hölldobler, Steffen | |
| dc.date.accessioned | 2022-01-24T12:37:20Z | |
| dc.date.available | 2022-01-24T12:37:20Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | Die erscheinungsbasierte Personenwiedererkennung in öffentlichen Einsatzumgebungen ist eines der schwierigsten, noch ungelösten Probleme der Bildverarbeitung. Viele Teilprobleme können nur gelöst werden, wenn Methoden des maschinellen Lernens mit Methoden der Bildverarbeitung kombiniert werden. Das entwickelte Verfahren zur erscheinungsbasierten Personenwiedererkennung wird exemplarisch anhand zweier Einsatzszenarien — Videoüberwachung und Robotik — evaluiert. Die Qualität des umgesetzten Verfahrens wird anhand von zwölf Kriterien charakterisiert, die einen Vergleich mit biometrischen Verfahren ermöglichen. Durch den Einsatz maschineller Lernverfahren für alle Abarbeitungsschritte der erscheinungsbasierten Personenwiedererkennung wird in den betrachteten unüberwachten, öffentlichen Einsatzfeldern eine Erkennungsleistung erzielt, die sich mit biometrischen Verfahren messen kann. | de |
| dc.identifier.isbn | 978-3-88579-775-3 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/38022 | |
| dc.language.iso | de | |
| dc.publisher | Gesellschaft für Informatik e.V. | |
| dc.relation.ispartof | Ausgezeichnete Informatikdissertationen 2019 | |
| dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Proceedings, Volume D-20 | |
| dc.title | Personenwiedererkennung mittels maschineller Lernverfahren für öffentliche Einsatzumgebungen | de |
| dc.type | Text/Conference Paper | |
| gi.citation.endPage | 68 | |
| gi.citation.publisherPlace | Bonn | |
| gi.citation.startPage | 59 | |
| gi.conference.date | 17.-20. Mai 2020 | |
| gi.conference.location | Schoss Dagstuhl, Deutschland |
Dateien
Originalbündel
1 - 1 von 1