TU Darmstadt / ULB / TUbiblio

Strukturelle Mustererkennung durch semantische Annotation digitaler Bilddateien zur Unterstützung forensischer Brandursachenermittlung

Franz, Steffen :
Strukturelle Mustererkennung durch semantische Annotation digitaler Bilddateien zur Unterstützung forensischer Brandursachenermittlung.
TU Darmstadt
[Diplom- oder Magisterarbeit], (2014)

Kurzbeschreibung (Abstract)

Kommt es heutzutage zu einem Brand, findet im Anschluss daran eine Brandursachenermittlung statt, um seinen Auslöser zu bestimmen. Der Erfolg einer Ermittlung war lange Zeit durch die Erfahrung des jeweiligen Ermittlers bestimmt. Erst die Einführung forensischer Tests und Verfahren schafften eine allgemeine Wissensbasis. Da Brände auf physikalischen Gesetzten basieren, können sie mit gewissen Einschränkungen am Computer simuliert werden. Diese Rekonstruktionen unterstützten den Ermittler zusätzlich bei der Überprüfung verschiedener Thesen. Für den Einsatz einer solchen Simulation wird jedoch ein digitales Gebäudemodell des Brandortes benötigt. Dieses liegt oftmals nicht vor und muss von Hand geschaffen werden. In dieser Arbeit wurde daher die Möglichkeit untersucht, ein digitales Gebäudemodell aus Bilddaten, mit Hilfe von Android-basierten Endgeräten, abzuleiten. Der Vorgang findet direkt während der Dokumentation des Brandortes statt, so dass nach Abschluss dieser Phase ein fertiges Modell zur Verfügung steht. Damit eine Maschine "Sehen und Erkennen" kann, müssen die Bilddaten aufgearbeitet werden. Mit Hilfe von Computer Vision werden durch mathematische Algorithmen Möglichkeiten geschaffen, charakteristische Elemente eines photographierten Gegenstandes, die sogenannten Featueres, für die Kamera lesbar zu machen. Sind diese erfasst, können sie für die Bestimmung objekttypischer Parameter genutzt werden. Ein Satz von n-Merkmalen dieser Parameter bildet einen Merkmalsvektor. Dieser ist wiederum in einem Merkmalsraum abgebildet. Parametervektoren ähnlicher und gleicher Objekte liegen nah bei einander, sie bilden einen Cluster. Durch Bestimmung der Grenzen dieser Cluster wird eine Klassifizierung der Objekte ermöglicht. Sind die Objekte erkannt werden die Bilddaten semantisch annotiert, so dass aus den gewonnen Informationen automatisch ein auf den IFC basierendes Gebäudemodell abgeleitet werden kann.

Typ des Eintrags: Diplom- oder Magisterarbeit
Erschienen: 2014
Autor(en): Franz, Steffen
Titel: Strukturelle Mustererkennung durch semantische Annotation digitaler Bilddateien zur Unterstützung forensischer Brandursachenermittlung
Sprache: Deutsch
Kurzbeschreibung (Abstract):

Kommt es heutzutage zu einem Brand, findet im Anschluss daran eine Brandursachenermittlung statt, um seinen Auslöser zu bestimmen. Der Erfolg einer Ermittlung war lange Zeit durch die Erfahrung des jeweiligen Ermittlers bestimmt. Erst die Einführung forensischer Tests und Verfahren schafften eine allgemeine Wissensbasis. Da Brände auf physikalischen Gesetzten basieren, können sie mit gewissen Einschränkungen am Computer simuliert werden. Diese Rekonstruktionen unterstützten den Ermittler zusätzlich bei der Überprüfung verschiedener Thesen. Für den Einsatz einer solchen Simulation wird jedoch ein digitales Gebäudemodell des Brandortes benötigt. Dieses liegt oftmals nicht vor und muss von Hand geschaffen werden. In dieser Arbeit wurde daher die Möglichkeit untersucht, ein digitales Gebäudemodell aus Bilddaten, mit Hilfe von Android-basierten Endgeräten, abzuleiten. Der Vorgang findet direkt während der Dokumentation des Brandortes statt, so dass nach Abschluss dieser Phase ein fertiges Modell zur Verfügung steht. Damit eine Maschine "Sehen und Erkennen" kann, müssen die Bilddaten aufgearbeitet werden. Mit Hilfe von Computer Vision werden durch mathematische Algorithmen Möglichkeiten geschaffen, charakteristische Elemente eines photographierten Gegenstandes, die sogenannten Featueres, für die Kamera lesbar zu machen. Sind diese erfasst, können sie für die Bestimmung objekttypischer Parameter genutzt werden. Ein Satz von n-Merkmalen dieser Parameter bildet einen Merkmalsvektor. Dieser ist wiederum in einem Merkmalsraum abgebildet. Parametervektoren ähnlicher und gleicher Objekte liegen nah bei einander, sie bilden einen Cluster. Durch Bestimmung der Grenzen dieser Cluster wird eine Klassifizierung der Objekte ermöglicht. Sind die Objekte erkannt werden die Bilddaten semantisch annotiert, so dass aus den gewonnen Informationen automatisch ein auf den IFC basierendes Gebäudemodell abgeleitet werden kann.

Freie Schlagworte: strukturelle Mustererkennung, semantische Annotation, forensischer Brandursachenermittlung,Building information model, BIM, Industry Foundation Classes, IFC, Android, Computer Vision
Fachbereich(e)/-gebiet(e): Fachbereich Bau- und Umweltingenieurwissenschaften, Civil and Environmental Engineering > Institut für Numerische Methoden und Informatik im Bauwesen
Fachbereich Bau- und Umweltingenieurwissenschaften, Civil and Environmental Engineering
Hinterlegungsdatum: 11 Dez 2014 15:57
Zusätzliche Informationen:

Betreuer: Kristian Schatz

Gutachter / Prüfer: Rüppel, Prof.Dr. Uwe ; Schatz, Dipl.-Ing. Kristian
Datum der Begutachtung bzw. der mündlichen Prüfung / Verteidigung / mdl. Prüfung: 21 Juli 2014
Schlagworte in weiteren Sprachen:
Einzelne SchlagworteSprache
structural pattern recognition, semantic annotation, forensic fire cause analysis, mobile deviceEnglisch
Export:

Optionen (nur für Redakteure)

Eintrag anzeigen Eintrag anzeigen