Zur Seitenansicht
 

Titelaufnahme

Titel
Tracking and Feature Extraction using a Short-Range Radar with Focus on Pedestrian Observation and Computational Efficiency / submitted by DI Thomas Wagner
Weitere Titel
Trackung und Signaturerkennung mittels eines Kurzstreckenradars mit besonderem Hinblick auf die Beobachtung von Fußgängern sowie der Recheneffizienten Implementierung
AutorInnenWagner, Thomas
Beurteiler / BeurteilerinStelzer, Andreas ; Maurer, Linus
Betreuer / BetreuerinStelzer, Andreas
ErschienenLinz, 2018
Umfangx, 207 Seiten : Illustrationen
HochschulschriftUniversität Linz, Dissertation, 2018
Anmerkung
Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Radar / frequenzmoduliertes Dauerstrichradar / Doppler / Clusteranalyze / Objektverfolgung / Fußgänger
Schlagwörter (EN)radar / frequency-modulated continous-wave / clustering / tracking / pedestrians
URNurn:nbn:at:at-ubl:1-24693 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist gemäß den "Hinweisen für BenützerInnen" verfügbar
Dateien
Tracking and Feature Extraction using a Short-Range Radar with Focus on Pedestrian Observation and Computational Efficiency [12.13 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Radarsysteme haben eine lange Geschichte. Wie bei vielen großen Erfindungen liegen die Ursprünge von Radarsystemen in der Kriegsführung. Erst im Zuge des letzten Jahrzehnts fanden Radarsysteme ihren Weg in die zivile Nutzung. Als Messsysteme für die Industrie und als Bestandteil des Sicherheitssystems in Kraftfahrzeugen ersetzen oder erweitern sie optische und ultraschallbasierte Systeme. Dabei können sie ihre Vorteile, wie die Widerstandsfähigkeit gegenüber Umwelteinflüssen oder die Möglichkeit der direkten Geschwindkeitsmessung, ausspielen. Im Zuge dieser Arbeit wird ein neues Anwendungsgebiet für Radarsysteme betrachtet: Die Erkennung der Anwesenheit von Personen und deren Beobachtung mittels eines Radarsystems für Kurzstrecken. Dafür gibt es zwei große Anwendungsbereiche. Der erste Anwendungsfall ist im breiten Bereich der Sicherheits- und Assistenzsysteme des Straßenverkehrs. Intelligente Verkehrsinfrastruktur erlaubt es, Straßenbeleuchtungen sowie Ampeln adaptiv zu steuern und auf die Bedürfnisse von Fußgängern einzugehen, sofern Personen anwesend sind. Komplett autonome Fahrzeuge, wie sie in Zukunft zu erwarten sind, müssen sich auf schnell wechselnde Umstände einstellen und im Unglücksfall entscheiden ob bei einem unvermeidbaren Unfall ein Fußgänger oder ein Blumentopf zu Schaden kommt. Der zweite Anwendungsfall ist die Überwachung von Liegenschaften. Fehlmeldungen von Alarmsystemen zur Einbruchsverhinderung sind nicht nur störend, sondern können zu Folgekosten bei Alarmierung des Wachpersonals oder der Polizei führen. Einfache Bewegungsmelder können nicht unterscheiden ob die Bewegung durch eine Person, eine Strauch im Wind oder durch frei laufende Kleintiere verursacht wurde. Durch eine verlässliche Erkennung ob Personen anwesend sind, kann die Wahrscheinlichkeit eines Fehlalarms deutlich gesenkt werden. ^In der vorliegenden Arbeit präsentiere ich eine Auswahl an Algorithmen, die es ermöglichen, mit einem herkömmlichen Kurzstreckenradar bewegte Objekte sowohl zu erkennen und zu beobachten, als auch Eigenschaften zu ermitteln, welche für eine Klassifizierung geeignet sind. Diese von mir entwickelten oder modifizierten Algorithmen beginnen bei effizienten Methoden zur Spektralanalyse und Detektion. Weiters werden verschiedene Methoden der Clusteranalyse angewandt, um Anhäufungen von Detektionen den bewegten Objekten zuzuordnen. Mit Algorithmen zur Zielverfolgung werden Objekte über einen längeren Zeitraum beobachtet und erlauben so die Extraktion von geeigneten Eigenschaften für die Klassifizerung. Im Vergleich zu einfacheren Auswertungsformen, erlauben die dieser Arbeit beschriebenen Algorithmen das zeitgleiche Erkennen und Beobachten von mehreren bewegten Objekten, sowie das Extrahieren der Eigenschaften für jedes Objekt separat.

Zusammenfassung (Englisch)

Radar systems have a long history. Like many other great inventions, the origin of radar systems lies in warfare. Only in the last decade, radar systems have found wide-spread civil use in industrial measurement scenarios and automotive safety applications. Due to their resilience against harsh environments they are used instead of or in addition to optical or ultrasonic systems. In this thesis, a rather new field of application is considered: the detection and tracking of humans by a short-range radar system. Two major fields of application come to mind. First, since most commercially available radar systems are based on automotive technology, the broad topic of automotive safety and assistance systems is a driver for these new developments. Smart streets will adjust street lamps or traffic lights adaptively based on the presence of pedestrians. In unfortunate situations, autonomous cars will have to recognize the type of obstacle to decide to either hit a person or a flowerpot. The second application is property surveillance. False alarms of burglary detection systems are not only a nuisance, but can also be costly when they trigger security guards or even the police. Simple motion sensors can be triggered not only by persons but also by greenery in the wind or stray animals. The assessment of whether humans are nearby can reduce the chances of false-alarms. Based on a commercially available radar sensor, in this thesis, I will present a set of algorithms capable to extract features suitable to feed a classifier for moving object detection. The algorithms developed or modified by my work include fast methods for spectrum estimation and detection, different cluster algorithms to relate conglomerates of detections to physically present moving targets, a tracker to follow moving targets over an extended period, and finally, extraction of the features required for classification on a per target basis. Compared to simpler evaluation frameworks, the presented algorithms are capable of detecting and tracking multiple targets simultaneously but allow feature extractions separately.

Statistik
Das PDF-Dokument wurde 11 mal heruntergeladen.