Merken

LCAP - Low Cost Action Photos auf Open Source Basis

Zitierlink des Filmsegments
Embed Code

Automatisierte Medienanalyse

Beta
Erkannte Entitäten
Sprachtranskript
ja hallo herzlich Willkommen zum Vortrag Fluggast Action Foto dieser Titel bezeichnet
ein Projekt was wir haben vom Masterstudium an Informatik eine Hochschule Flensburg durchgeführt haben die die jemals nahm dieses Konzeptes was man aus Achterbahn kennt der Achterbahn Wagen für seine Bauern Linzerin bestimmten Stelle für eine Lichtschranke rüber und damit 1 Foto ausgelöst dass man dieses Konzept auf andere Bereiche überträgt wo die Nutzer nicht so stark wir fixiert sind sag ich mal in Achterbahn weiß ich genau wann der Wagen wo ist wo sich meine per Person befinden durch den Fokus setzen muss wie die Lichtverhältnisse sind kann möglicherweise auch Steuern haben da kann ich also sehr viele Parameter schon setzen werden ja wenn jetzt deutlich mehr Dynamik kommt und sich der Nutzer frei bewegen kann dann habe ich diese ganzen Parameter nicht da wären das am Beispiel einer Basketball
Stationen ein Trampolin Park umgesetzt dann gern mal ein paar Eindrücke wie das Ganze aussieht die Station aber mal von der
Seite und wenn wir jetzt einen Kamerasystem positionieren wissen denn je wo ist der John war gerade im Bild und das wann ich dass da also wann müssen das Futter aus ist ganz verschiedene Herausforderungen den und dann gestellt haben das Ziel war es der
Mut also der gute Fotos zu erstellen ,komma ich gleich zu Beispiel zu zeigen also haben das Projekt wurde umgesetzt worden Peter stehen und Mehr der Mut zu zweit zusammengefunden unter der Teamleitung wird im Jänner Zachow sitzt dort und die habe ich schon erwähnt dass es halt haben im Rahmen des Masterstudiengang zum Projekt über 2 Semester gewesen unser wissenschaftliches Projekt ausgelegt
solche Aufnahmen wollten wir idealerweise erziehen dass die automatisch erstellt werden analysiert und bewertet werden und dem Nutzer zu fügen gestellt werden wenn er bei seinem Besuch fertig ist das Beispiel Trampolin Park hat sich deshalb angeboten weil wir in Flensburg ein Taubenhaus haben unter allen Corporation mit denen er geschlossen haben dass wir dort auch Testläufe durchführen konnten tatsächlich einer realen Station man könnte das auch noch auf andere Parks übertragen die Ski Parks oder Bike-Parks oder ähnliches er die Motivation
dahinter steckt es ab das in sozialen Netzwerken hat Videos und Fotos geteilt werden und er aber Bereiche gibt wo Kameras nicht zugelassen sind weil sie ein Sicherheitsrisiko darstellen also diese Station haben für Formen diese Passgeber Station dürfen keine Fremdkörper wie eng die herumfliegen können mit aufgenommen werden im Normalbetrieb das ist ein Sicherheitsrisiko so am Sonntag am Vorgaben der das Projekt sollte eine Bewegungserkennung beugen implementiert werden die auch unseren automatisch stattfinden und wir sollten eine Analyse und Bewertung haben die ebenfalls automatisch stattfindet im Namen steht ja schon Low-Cost also der das mit geringen finanziellen Mitteln umsetzen geringen heißt in diesem Fall so im unteren vierstelligen Bereich und genau als Beispiel ist die was der Stationen im Trampolin Park organisierten das Ganze einer Entwicklung wir haben dreiwöchiges Prinz dafür gemacht und als Something's denn die Ergebnisse besprochen und die nächsten Ziele geplant zunächst haben wir eine Blut Mehr skizziert wie wir über das Jahr hinweg die Aufgaben verteilen wollen ich denke dass recht klassische Vorgang dass man erst recherchiert welche Lösungsansätze gibt es bereits dann halt überhaupt mehr nochmal spezifiziert denn Konzeption geht Systemübersicht erstellt haben die das System dann umsetzt wir sind Jahren Tests und Verbesserung durchführt und Bekenntnisse sammelt von den nach er Fragen haben und damit befasst ihr welche Lösung die es bereist was macht ein gutes Foto aus der uns tatsächlich sehr lange begleitet diese Frage bevor er sie jetzt glauben beantworten zu können der Vivendi auch einen Nutzen zugeordnet da gab es zunächst die die können wir ein Gesicht erkennen und das gleiche Gesicht von den Probanden später wiedererkennen oder müssen in andere Nutzer zuordnen kann der bewegt sich ja frei in dem Trampolin Park und Imbisse er Visage das sind jetzt seine Bilder haben die einige Nutzer über und welche Hard und Software können wir dafür einsetzen ab zur bei der Recherche aber zunächst kommerzielle Lösung angeschaut der bei der Erektion Foto wir haben ganz tolle Videos und sie zeigen was sie können oder auch nicht können aber da ich unseres Wissens gibt es vielleicht rauf blicken wissenschaftliche Ansätze gesucht werden dort auch das Belgrader er schon Watch gestoßen die haben ein Smartphone im Auto platziert sind wird die gehen Gefahren wenn sie der Tankstelle vorbeikam sollte automatisch ein Foto von der Preistafel gemacht werden die Preise zu analysieren das wurde 2011 implementiert es aber auch schon etwas älter wir wirklich aktuelle Sachen haben wir dort nicht gefunden noch nach den falschen zu verkraften gesucht mit der Open-Source-Software sind wir sehr schnell auf um sie gestoßen bei man sich
wieder umfangreiche Funktionen wieder was Bildmanipulation Analyse angeht und Anreize für eine breiten werden Umsetzung geht das Ganze haben jahrelang dann als Beiträgen Werk genutzt um die einzelnen Services umzusetzen ja und zusätzlicher andere nochmal die Station vor Ort besichtigt und man Akef Fotos gemacht der Gegend in Planung welche Hardware Komponenten soll im Low-Cost-Bereich wir sind
haben galten sollten Low-Cost-Bereich liegen und das Ganze sollte erweiterbar
sein es sollte skalierbar sein und falls ein eine Komponente haben falsch nicht passen sollte die Antworten hier fühlen sollte soll sie halt auch austauschbar sein genau das denn diese kleine
entstanden die das ganze System aufgebaut ist da auch mehr nicht mag das verwirrend aussehen aber im Prinzip haben er eine ein Auto System dann das andere mit Erhalt des wieder umgesetzt wird weil die Text also das PZR Amman Ulrich an der Station registriert dann müssen wir zu dem Zeitpunkt springt der Nutzer mit dieser ID das morsche Tetschen System scharf geschaltet was die Bewegung erkennt ja auf der Station sind das wiederum spricht das Catcher System an das macht Foto und schickt das dann als Buch großes in System oder an das Bild analysiert und bewertet werden damit das dann später in den Kinos System ich nutze ebenfalls wieder mit seinem hält er für die Armband registriert an die Wähler abholen kann das ist jedoch gezeigt dass man so andere Ideen haben wir Nutzer die Bälle erhalten könnt also per Mail oder Downloadlink oder verehrt direkt auf sein Smartphone so kam
die Komponenten die wir gewählt haben waren
ja als Rechner größtenteils Weßprim frei der Version 2 und 3 kann das wird bei Klein kompakt verbraucht wenig Strom hat sehr sehr viele Schnittstellen auch Sensoren anzusprechen sich super und Recht der recht kostengünstig wir haben da dass sich da noch an die Pay Kern
auszuprobieren sowohl die normale also dem Verbot die erklären DE er bei die und haben wir Hey ausgewählt und sich zu authentifizieren und als Catcher dann kann man die GoPro Hero 5 Black ausgebildet die aktuellste Kamera dort denn die wegen 1100 die Spiegelreflex war bereits vorhanden privat denn einfach so nebenbei noch ausprobiert was ein modulares System des untergrabe die eine Kamera und die andere ausprobieren aber die Groko musste beschafft werden gewählt sehen weil eine permanente Stromversorgung möglich war da sie hat eine weitere Schnittstelle und sie ist wenn er zum Bereiche konzeptioniert und umgesetzt so schien es uns naheliegend dort die GoPro zu viel für die Wahl der Hardware hat mir recht wenig seit der die Beschaffungs stelle von Hochschule nicht oder ist nicht die schnellste Art das aber dort leider nicht so tief in die Recherche gehen konnten und reicht eine bessere Art der andere bessere Kamera zu finden so vielseitig haben wir uns immer wenn wir darüber entschieden als weit wenn wir das als Basis für die sagen dass es sowohl für uns die das System als er für das Katja System immer Action und das Authentifizierungssystem Open sie wie für die Bilderkennung Bildanalyse und das zeigt geplant für das war China den um die Aufnahmen zu bewerten danach gings dann Umsetzung am die unterschiedlichen Systeme umgesetzt die Forschung erwähnt wurden habe ich noch ein bisschen genauer auf die Bildanalyse eingehen was wir dort analysieren wie wir da vorgehen wir neben das Bild und schauen erst mal als Kümmerer verkennen machen die Gesichtserkennung mit weh und darf die Augen erkennen da gab es das Problem dass im Vortrag vorher auch schon erwähnt wurde ich weiß nicht ob die man da war das Gesicht des teilweise erkannt werden wo keine sind da der noch dazu gesagt Gesicht erkennt und dass er die und die Größe der zwar dann musste auch ein Auge erkennen er auch kein Problem gab noch ein Auge drin zu erkennen dass dass eine teilweise mehrere Gesichter erkannt in ein Bild vom war tatsächlich 1 vorhanden war aber dann in nach dem 1 zu entscheiden welches Gesicht ist damit das richtige ich erstmal zu kompliziert deshalb forderte zur schwierig zu aufwendig mit den Daten die wir hatten es waren besten alle Daten gesammelt würden die in einem späteren Schritt dann nochmal Filter wie mit Haut Erkennung übergegangen da Mehr 3 haben was ich bin erstellt die dann zusammen addiert und er denn daraus den prozentualen Anteil Haut brechen der im Bild drin ist das Problem dabei war im normalen Bildern sieht der
Anlage hier sehr sehr viel Orange das hat der größtenteils ebenfalls ebenfalls als Haut erkannt aber wenn man die Menschen vor für diesen Tag Masten Kleidern macht dann erkennt er einen bestimmten Hauttyp nur noch aber denen relativ gut also wenn man so ein Spiel so auszublenden aber hier denn noch da die Hautpartien erkannt aber eine für diesen aber wenn jetzt jemanden der etwas anderen Hautfarbe gesprungen ist er überhaupt keine Unterkante deshalb am müsste man meine Haut Erkennung einer gibt
es Gewichtung reinlegen bei der Bewertung wir hatten sehr sehr viele Bilder mit Bewegungsunschärfe Bewegungsunschärfen steht nicht allzu lange Belichtung hat die GoPro hat fragen wir selbst aus
häufig eine sehr sehr lange Belichtungszeit eingestellt weil die nicht wer es denn damals aus recht bescheiden und sieht das später noch einen aufnahm die zeige haben das Licht kommt nur von oben und er
die wie wir die Trampolin Fläche ist schwarz und schlug dadurch auch sehr viel Licht und allgemein man nicht weil das recht bescheiden Art haben wir sehr oft Bewegungsunschärfe die wir dann mit einem Faktor ermittelt haben wir haben die Bilder sortiert in gut und schlecht und dieser Algorithmus liefert ein der von 0 als extrem und unscharf es bis hin zum über 1000 wusste richtig knackig scharf ist haben weil der GoPro hatten der Werte zwischen 15 und 25 die Lage als sehr dicht beieinander setzt bei Bildern die Bereitschaft bewertet haben kann man vielleicht mehr von 25 raus wenn man ein Bild von der Spiegelreflex reingeschmissen hat was deutlich höhere Schärfe hatte dann aber bei werden von ja wie man es im dreistelligen Bereich sind auch über 1000 also wieder noch dazu dass die PUK wurde nicht die besten Bilder macht er genau die Anzahl der Gesichter haben dennoch mit analysiert zusätzlich zu den Verfahren sind noch die Metadaten einigen angeschaut was eine Bildgröße gibt es eine wie ist die Ausrichtung die aus sich damit hat sich die selbst gesetzt man sollte einige meinen dass die GoPro die Ausrichtung erkennt das tut sie aber nicht davon daneben Chauvis Höhe und Breite von Bild und dann ich die Ausrichtung gesetzt er und die Anzahl der Farbkanäle die haben auch noch mit aufgenommen so haben und das ganze Projekt umzusetzen haben der relativ
viel haben Open-Source-Software verwendet also nicht nur ich habe in Django sondern auch an anderen Tourist Maronen regiert Jenkins hatten mehr als sehr heiße aber zunächst am Laufen mit das jeweilige oder wurde wurde von Hochschule
bereitgestellt lief aber nicht stabil bis er dann zum externen Services Chip Elbe umgezogen sind macht glaubt ne angenommen um Craven darzustellen zu schauen wo liegen unsere Werte des ich immer das 1. was man macht .punkt der Mann Daten analysiert aber genau ob wie wir Menschen für Bildmanipulation und Analyse der Ketscher ist eine erneut heftige verwendet haben Oligopo so'n bisschen auszutricksen wenn man sich mit dem besten ein und der GoPro verbinden möchte dann machte er Funktionärs überweist weiter weg die GoPro R sendet anbieten was man dem Pay sehen kann es werden unter bekannte wer Netzwerke angezeigt wird kann man sich verbinden am Ende macht dabei sagte ich bin verbunden die GoPro sagte ich Verbindung so war und er das war immer so Moment etwas verstörend dann an der Decke Catcher installiert und die GoPro-App einmischen müsse man Paket mit Schnitt gemacht was denn da an Kommunikation Energie und zum Schluss wird ein Vickers abgesetzt von der das sagst es gleicht ciao alles das die man dann nochmal mit dem Taipei wegen der Kuckuck Connected hatte Browser aufgemacht hat EUR gegeben hat 6 6. sind leicht Schuhe in der URL Fertigung vorher ich bin verbunden da muss man sie also ein bisschen austricksen es gibt eine nicht dokumentierte oder eine inoffizielle IP ein alle dies nicht dokumentiert weil sich nach außen darf sein soll ganz klar aber es gibt eine inoffizielle in Kleinschreibung die wir dort verwendet haben und die wo das entsprechend an Zuträger aber dieser Beschreibung habe jetzt auch nicht entnommen werden dass man halt diesen Weg es extra absetzen muss die bei klarer da anders wenn es allerdings auch die Bibliothek der für unser anzusprechen weit Charme als Entwicklungsumgebung verbreiten ein nicht selbst an für Bildmanipulation auch breiten 11. erfahrene verwendet um denn er war die Teck auslesen zu können werden ganz einfach wieder unter wird als Tastatur erkannt vom System über diesem Pagen P Kitsch kann ich diesen Input mehr abgreifen und auslesen spielen als es bei 3 Betriebssystem 2 Dingen um einige Prozesse also Kunst und zu starten zum Beispiel bei der Kommunikation zwischen das ist er den dem und dem Kepler Grund-Scholer für den Service Wärmebewegung erkannt und sprechen ihn an und erst als zuerst losgegangen losgegangen Beleidigung freigesprochen machen Foto er war die ganze Zeit auch wenn es bei uns wie Chor doch auch ne Sekunde macht das Foto daran Herzschlag und schon ich hab 1 von der nach dem Waschen die Taschenkontrolle erhalten fertig ja mehr seine Abhängigkeit drin und die zu umgehen andere supplementieren wenn eine Bewegung erkannt wird dann bei Kette Control angesprochen wer startet ein asynchron Prozess sprich die GoPro an und geht dann gleich schon zurück zum Ausstieg der System kann also weiter arbeiten während der verkehrte Grund-Scholer selber parallel arbeitet weitere Anfragen dann entsprechend ablegen weg also der Ketscher Controller weil der momentan noch beschäftigt ist so wir haben insgesamt einige Tests durchgeführt natürlich sofort fest Annahme dass es dem zunächst unter Laborbedingungen aufgebaut und getestet zusammengesteckt und dann auch Trampolin parkte sehr selber am 4. Platte durchgeführt auch mit externen Probanden und sie dann im Anschluss gefragt wie es der Amsel sich beeinträchtigt gefühlt haben durch die Benutzung des Systems was wir wir nicht wollten ja ja keiner gesagt dass er irgendwie Nacht und darf sich in die Ecke springen oder so dann und
Eindrücke so soll das ganze Entwicklung aus hier sieht man so den 1. Prototyp Kameras die Infrarotkamera und die normale Kamera wir bisher genau an haben diese
Gehäuse sind relativ schnell kaputt gebrochen ist der 10 an der Lösung kommen mussten ich weiß sie gewann
hier den Unterschied sehen aber hier die Infrarot Kamera manche von der normalen
Kamera will dabei den Tarot Kameraden das Problem dass sie die Frequenz von nicht erkannt hat also Licht flackert und das konnte man auf der Haut Kamera sehen und dieses Flackern wurde als Bewegung erkannt dass er damit Infrarotkamera dann nicht für die Bewegungserkennung eingesetzt einige Male Kamera hier einen
Aufbau das ist denn es wurden hier die 1. des wiederhaben haben in die GoPro die Kommunen alle sind mit guter übereinander verbunden um und so sieht es
denn aus wenn es alle Station tatsächlich befestigt ist das also trägt der die Gehäuse von der Kamera was ein bisschen aufgebohrt haben wir die Pay Kamera eingesetzt haben das Bild an rein und dann Öffnung für die Kabel gebohrt haben zunächst an der Fotos von oben gemacht was wäre dann aber im späteren Verlauf gemerkt haben was die Hamas nicht so interessante Fotos also die Perspektive legt so in etwa aus von oben und hier der ein Bereich markiert vermessen in diesem
Bereich machen wir die morschen um hier dann das Foto zu machen habe nämlich gemerkt dass wir zwischen ich erkenne eine Bewegung und ich das Foto wird ausgelöst eine Latenz haben und so ungefähr von einer Sekunde daran ein etwas auf den Versuchsaufbau da gemacht um das überhaupt das mehr herauszufinden dass ist auch nirgendwo dokumentiert von der GoPro genau die Ostertag zum übrigens funktioniert dann der Background zu Tschetschenen und werden noch ein Bewegungsmelder eingesetzt aber da haben immer die Schwierigkeit den zum 1 zu konfigurieren und auch den Bereich dazu setzen die man ausweichen möchte also wo man die Bewegung erkennt es mit dabei Kamera deutlich einfacher weil ich mir für die holen kann von dem Bild da was die Kamera sieht genau
ja so sei das Ganze dann außer aber welchen Sicht aus Sie haben wir das dann und einer Opposition werden verschiedene Perspektiven ausprobiert zu Testzwecken und
einige Erkenntnisse gewonnen das
waren wie wir fanden gute Bilder von der GoPro davon hat man etwa
2 Prozent 8 90 Prozent der Fotos die Wände der Gruppo gemacht haben kommt wirklich wegwerfen dieser nämlich so aus wir
wollen sehr schön die Bewegungsunschärfe
darum also Norma zusammengefasst haben erhalten das
dielektrischen Bewegungserkennung und Bild auslösen die Bildqualität von Logo ist zu schlecht da sie macht zwar Bilder in 4 Tausend 3 Tausend Pixel aber er hat nur eine Pixeldichte von 72 Pixel pro Inch das heißt wenn ich ein Foto Büros Ziel ich so sehr schön und gut aber ich habe nur 72 Pixel auf dieser Strecke haben meine Spiegelreflex hab ich auf der gleichen Strecke 300 Pixel also höhere Pixeldichte und dadurch deutlich mehr Details hat das
erklärt auch die Unschärfe dieser berechnet haben von den GoPro Fotos und in der zwischen 15 und 25 mal zurückbekommen haben und Rechenspiele Flex einen deutlich höheren Wert der Westteil Ali haben wir festgestellt eignet sich nicht für einen produktiven Einsatz war häufigen oder neue häufig nicht aber ab und zu wenig über SSH zu erreichen der Kleists werden hätte das Nutzung könnte also schwierig sein da muss man doch wieder raus ins Feld Stecker ziehen neu starten und dann ja lass mich da wir durch die Perspektiven und endet am interessantesten nicht wenig an die Beleuchtung war sehr schwach Unterricht mit der Szene Bewegungsunschärfe am das System muss sagte aber unterschiedlicher Gewichtsklassen reagieren dass eine beiden Echsen Probanden festgestellt eine John Joggerin Wahl deutlich leichter und hat das Trampolin es hat mich so stark runtergedrückt und flog auch nicht so hoch und das er führte dazu dass die Zeit wo sie oben war in der Luft stand oder ich das Foto machen wollten weil sie dort am wenigsten Bewegungsunschärfe haben der die Zeit zu kurz war zerrissen und einer Sekunde geschafft so schnell kommt man nicht reagieren das System war dafür zu träge wenn man tatsächlich System implementiert müsse man darauf 8. 1. schnell auslöst und die Haut erkennen ist auch wir bereits erwähnt Recht ja schwierig mit man kann sie mit aufnehmen um zu erkennen war jetzt wie man auf der Station oder nicht aber er tatsächlich auch zu erkennen ist ja diese Fotos von einer
Spiegelreflexkamera gemacht da sieht man auch im
Vergleich zur denn hier schon deutliche
Qualitätsunterschiede diesen nicht bearbeitet die Fotos
dem tatsächlich so aus der Kamera ok hier sieht man
auch wenn man dann sich ein bisschen mit Beleuchtung befasst hat das ist nicht zu schaffen
und konnte bisher hier so statt der starker Schatten um die Augen rum ist sehr düster anderen werden auch hier unter den Arm Sonne der
Lichtquelle verbunden würde es Ergebnisse beziehen n wenn man das Ganze
jetzt Produkt reif oder und lief nutzen wollen würde dann müsste haben das ist die man anwendet 5 Käs untergebracht werden also dem System darf nichts passieren man beiliegen fließt und dem Java darf auch nicht passieren wenn Maler gegen Spring da müsste man noch mal ein bisschen in die Konzeption diesem Gehäuse aussehen könnte und wo man das Anbringen an der Station Idee war auch das für eine Station mit mit denen wir die Kamera fest positioniert dass mir und zu quetschen rübergehen den rausrechnen Hintergrund und uns auf den Vordergrund konzentrieren wir haben das Problem einer Anlage ist dass die gesamte Anlage schwingt wenn ein Schaumbad drauf dass er so er sie weil sie ein bisschen dass ihn das Trampolin
beschwingt und da der
Basketballkorb sondern auch dieses Gestänge und um das Gestänge dann als fair das System oberhalb angebracht haben ist es zum Schluss tatsächlich runter gefallen es lief weiter ist und so nicht passiert aber da haben halt immer gesund ganze vibriert und wenn das ist mir die ganze Anlage vibrierte beim springen dann die wir doch die Kamera die wir daran befestigen das heißt der für die Berge und Subtraktion dürfte sich der Hintergrund nicht ändern und durch die Situation ändert sich das das begünstigte übrings auch mal die Bewegungsunschärfe dafür ist unrelevant er ab die sich jetzt das Subjekt bewegt oder die Kamera insgesamt 9 in
diesen 4 Testläufen an die 135 Tausend Fotos geschossen die haben wir unter anderem dadurch erreicht dass wir mit der GoPro 120 Bilder pro Sekunde aufgenommen haben um eine möglichst kurze Belichtungszeit herauszukitzeln die haben wir dann extrahiert 3 die an die einzelnen Bilder aus dem Video dafür haben das zunächst mit Adobe Premiere probiert die aber Premiere sagte soll erreicht kann dass 90 Bilder pro Sekunde männlich Namen mal geschaut was es von oben sie wie geht appellierte Funktion kleines beides gibt geschrieben 20 Zeilen zeigt macht genau das was wir wollen super proprietäre Software waren ja enttäuschend man könnte jetzt sie überlegen warum man nicht alte Spiegelreflex wenn so viel bessere Bilder macht bald wieder pflegt kommen mehrere haben Sachen dazu wie das Ganze immer komplexer mache zu meinem 7 Focus setzen also bei einer GoPro reichen für schreibt das wird immer dieses gehörte er dient alles scharf auf einer Spiegelreflex damit je objektiv und Focus den setzen möchte ich haben in der Bewegungsunschärfe also noch eine tiefen Schärfe die setzen muss und die muss auch unser beilegen an zusätzlich hat so eine Spiegelreflex nur eine bestimmte Anzahl an Klicks die sie ab kann die 1. Zeit nach 20 30 40 Tausend Klicks aufgebraucht sie leiert aus sie hat also Verschleißteile drin und wenn wir schon also werden er 2 Stunden haben wir schon zwischen 2 und 4 Tausend Fotos geschossen ein Testlauf das wenn man das hochrechnet auf Monat im laufenden Betrieb dann muss man spätestens Monate die Spiegelreflexkameras auswechseln und wegschmeissen und neu kaufen 2 Sonden wahnsinnig wofür brauchen er erst dann und die mit dem Low-Cost haben Gedanken zusammen den wir hier verfolgt haben einmal den anders im Netz Anfang überlegt haben aber dann verworfen weil die Kameras einfach zu teuer sind ist ein Satz von IP-Kameras wo wir dann das Bild die ganze Zeit Stream und analysieren bekannt dann sozusagen in die zu Mehr in die Vergangenheit schauen müssen wir die Bewegung erkennen wir können die Bilder direkt analysieren könnte man theoretisch mit jeder Verkehr machen Probleme über die Qualität der Fotos also wenn man wirklich eine haben möchte die in Full HD ist wenn da nicht man mal bei 5 Tausend aufwärts aber ein Ansatz zuerst definitiv ja jeder mal .punkt mit der der Anbringung das ganze System schwingt das +plus +plus deswegen für Aufgaben es sei nicht klar und die Frage wie es anfangs gestellt haben was macht ein cooles Foto aus das sind Emotionen das Wasser John allsehende sind Emotionen wichtig wer sich abkehren wir die Massen zieht sollte der Spaß hat auf der Station ok vielleicht für ihre Aufmerksamkeit geht es fragen ja bitte um um es geht auch das müsste also also geht zur Julia die Frage war was passiert mit Beach also wenn das Orangeat jetzt schon irritierte was passiert wenn wir jetzt anders das farbige zwischen dunkelhäutige Menschen springt haben dafür müsste natürlich entsprechend auch im Netz dafür der geschrieben dunkelhäutig sondern auch werden Menschen asiatischer Abstammung haben wo hat denn Haut erkannt wird aber das alle ja eben dass das ist sehr sehr breitgefächert wir haben 17 nur für hellhäutige umgesetzt haben weil die Probanden alt hellhäutig waren also ich hatte sonst keine anderen Hintergrund der Erde ok Frage war ob wir die Bilder emittiert haben um die Haut besser besser zu erkennen zu können besseren Kontrast zu bekommen haben wir nicht viel gemacht denn ansonsten wenig verfolgt der durchaus interessant wäre bitte ja
und haben die Frage war haben weshalb der ist bei beiden nicht stabil lief tatsächlich und Aubenas untersucht haben dem nachgegangen sind dass er die haben das nicht gemacht haben Sie mal dafür halt einfach die Zeit fehlte und ideal oder der der Hotfix war Stecker ziehen und Neustart ja ja bitte schön wir haben also die Frage war welche Bewegung die Aufnahme getriggert hat wo sich der ständig etwas billig 1 Basketball Station die Stationen es zum einen so gedacht dass einem dabei kommt springt Korb wirft und dann ist er wieder weg haben oder wäre zwinkert nochmal halt Anlauf und haben also immer diese Phase dass er Schwung holt und da morsche täten darüber gegangen und haben gesagt dass zwischen ich meines waren 8 Bilder die hintereinander sich verändern müssen im Vordergrund damit eine Bewegung erkannt wird und dann aber gesagt machen Foto hinterher wurde die Analyse machen und sagen und gucken was haben überhaupt fotografiert das wissen wir zu den Zeiten gar nicht aber eine Bewegung registriert das könnte auch im schlimmsten Fall einfach ein Rauschen auf der Trampolin Fläche sollen was als Bewegung registriert werden werden Foto gemacht und dann war die Idee der Haut kenne rüber zu gehen um zu schauen ob es überhaupt jemand auf dem Trampolin drauf ja genau also etwas in den Ball war drin ok haben die Frage war nicht an was den Ball implementiert wurde um den Ball zu erkennen er nun zum einen haben wir so wenn ich auf diesen Ansatz werden gekommen müsste man tatsächlich ausprobieren zum anderen weiß ich wie aufwendig das ist etwas in den Wald hinein zu bekommen müssen spielt immer der Low Cost Gedanken mit seligem vielleicht mit Näherungssensor und ein ja die morsche Tag hat also ebenfalls funktioniert und deshalb warum das nicht weiterverfolgt ich habe aus haben die Frage war wie wir diese 135 Tausend Fotos jetzt geregelt haben tatsächlich Sender dort Windisch übergegangen dadurch dass 8 90 Prozent einfach wäre schlecht man muss man nur die guten rauspicken der Goldenen Serie steht er häufig den weiter drücken und wenn man mal gutes hatte Zuwanderer aus und man einfach schlecht oder nur zwischen gut und schlecht unterschieden haben werden keine Bewertungssystem eingeführt wird .punkt weil ich muss man hätte machen können so wurde es mir ja das möglichst einfach halten genau und dann sind wir der Maschine noch übergegangen haben Standardalgorithmus genommen kein Dienst als überweist Lernen haben und haben dort eine ich meine Freunde zum sie 7 neunzigprozentige Trefferquote gehabt zwischen denen die wir vorgelegt hatten und dem wir sie sortiert hat Sergey darüber und Cluster die Daten gut und schlecht wenn gesagt man 2 Cluster und das traf zu 97 Prozent zu wir haben die Frage weiß ob man das so für das Leben machen könnte sicherlich ja aber es stellt sich dann die Frage sind die Daten plausibel also es ist ja immer die Frage wenn man diesen Trainingszeit hat haben und so System an lernen möchte haben kann passt das Leben tatsächlich hat dass der Mensch Gelände oder wurde es in die automatisch aus der Maschine und den viel am Algorithmus ist der laufen Daten falsch gelegen hat in der ich mein System natürlich auch falsch an von da an würdigt manuell das Leben bevorzuge persönlich ok .punkt
Parametersystem
Dynamik
Informatik
Fokalpunkt
Arbeitsplatzcomputer
Arbeitsplatzcomputer
Softwaretest
Umsetzung <Informatik>
Dienst <Informatik>
Bildschirmmaske
Hardware
Komponente <Software>
Software
Arbeitsplatzcomputer
Smartphone
Funktion <Mathematik>
BALL <Programm>
Komponente <Software>
Arbeitsplatzcomputer
Programmierumgebung
Smartphone
Umsetzung <Informatik>
Hardware
Rechenbuch
Komponente <Software>
Bilderkennung
Bildanalyse
Version <Informatik>
Kerndarstellung
Schnittstelle
Gewichtung
Bewegungsunschärfe
Metadaten
Faktorisierung
Algorithmus
Fläche
Höhe
Bewegungsunschärfe
Schärfe
Kanal <Bildverarbeitung>
Softwaretest
Dienst <Informatik>
Energie
Netzwerk <Graphentheorie>
Momentenproblem
Prozess <Informatik>
Browser
Betriebssystem
Ein-Ausgabe
Schnitt <Mathematik>
Platte
Ecke
Homepage
Frequenz
Perspektive
Arbeitsplatzcomputer
Strecke
Pixel
Bewegungsunschärfe
Rechenspiel
Arbeitsplatzcomputer
Unschärfe
Bewegungsunschärfe
Arbeitsplatzcomputer
Programmierumgebung
Subtraktion
Bewegungsunschärfe
Algorithmus
Punkt
Sender
Software
Magnetbandlaufwerk
Arbeitsplatzcomputer
Fläche
Bewegungsunschärfe
Schärfe
Programmierumgebung

Metadaten

Formale Metadaten

Titel LCAP - Low Cost Action Photos auf Open Source Basis
Serientitel FrOSCon 2017
Autor Dahnelt, Dominic
Lizenz CC-Namensnennung 4.0 International:
Sie dürfen das Werk bzw. den Inhalt zu jedem legalen Zweck nutzen, verändern und in unveränderter oder veränderter Form vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen.
DOI 10.5446/32295
Herausgeber Free and Open Source software Conference (FrOSCon) e.V.
Erscheinungsjahr 2017
Sprache Deutsch

Inhaltliche Metadaten

Fachgebiet Informatik
Abstract Dieser Beitrag stellt das System Low Cost Action Photo (LCAP) und die Nutzung von Open Source Software für die Realisierung des Systems vor. LCAP erstellt automatisiert Action-Fotos von Akteuren bei Ausführen einer sportlichen Aktivität. LCAP analysiert und wählt die besten Fotos aus, um diese anschließend dem Akteur in einem Kiosk-System zur Verfügung zu stellen. Benutzer werden anhand von RFID Transpondern identifiziert. Als Anwendungsbeispiel für das System wurde eine Basketball-Station in einem Trampolinpark gewählt. Ziel des wissenschaftlichen Projekts ist der Entwurf einer Architektur und dem Demonstrieren der Machbarkeit anhand einer beispielhaften Umsetzung und einem Test mit Nutzerinnen und Nutzern.
Schlagwörter FrOSCon meets Science

Zugehöriges Material

Video wird in der folgenden Ressource zitiert

Ähnliche Filme

Loading...