TU Darmstadt / ULB / TUbiblio

Strukturelle Mustererkennung durch semantische Annotation digitaler Bilddateien zur Unterstützung forensischer Brandursachenermittlung

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

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.

Item Type: Diploma Thesis or Magisterarbeit
Erschienen: 2014
Creators: Franz, Steffen
Title: Strukturelle Mustererkennung durch semantische Annotation digitaler Bilddateien zur Unterstützung forensischer Brandursachenermittlung
Language: German
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.

Uncontrolled Keywords: strukturelle Mustererkennung, semantische Annotation, forensischer Brandursachenermittlung,Building information model, BIM, Industry Foundation Classes, IFC, Android, Computer Vision
Divisions: 13 Department of Civil and Environmental Engineering Sciences
13 Department of Civil and Environmental Engineering Sciences > Institute of Numerical Methods and Informatics in Civil Engineering
Date Deposited: 11 Dec 2014 15:57
Additional Information:

Betreuer: Kristian Schatz

Referees: Rüppel, Prof.Dr. Uwe and Schatz, Dipl.-Ing. Kristian
Refereed / Verteidigung / mdl. Prüfung: 21 July 2014
Alternative keywords:
Alternative keywordsLanguage
structural pattern recognition, semantic annotation, forensic fire cause analysis, mobile deviceEnglish
Export:

Optionen (nur für Redakteure)

View Item View Item