Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...

1 Einleitung
1.1 Motivation und Zielsetzung
In der Zukunftsvision vieler Menschen wird in einigen Jahren die Entwicklung der Robotik
so weit vorangeschritten sein, dass Roboter viele – insbesondere unbeliebte – Aufgaben des
Menschen übernehmen können. Dass diese Vision keineswegs unrealistisch ist, zeigt sich
in der zunehmenden Automatisierung, die das Leben der heutigen Gesellschaft verändert:
Das wahrscheinlich populärste Beispiel sind zurzeit die ständigen Neuerungen in der Entwicklung
von Fahrerassistenzsystemen, die dem Autofahrer das Einparken erleichtern oder
ihn vor Hindernissen warnen sollen.
Damit eine Maschine die Aufgaben eines Menschen übernehmen kann, muss sie dessen
für die entsprechende Tätigkeit benötigten Fähigkeiten besitzen. Eine besondere Herausforderung
stellt hierbei das maschinelle Sehen dar (engl. Computer Vision), d. h. die
Fähigkeit einer Maschine, eine Szene zu interpretieren und Informationen zu extrahieren.
Die Grundlage für eine solche automatische Interpretation von Fotos, Videos oder ähnlichen
Daten bildet die sogenannte Segmentierung, mit deren Hilfe z. B. die Pixel eines
Fotos zu homogenen Regionen zusammengefasst werden [Szeliski (2010)].
Die Erkennung der für eine solche Gruppierung notwendigen Zusammenhänge zwischen
den einzelnen Pixeln gelingt dem Menschen aufgrund seiner Fähigkeit zur visuellen Wahrnehmung
problemlos; diese Fähigkeit einer Maschine zu verleihen stellt jedoch ein nichttriviales
Problem dar, mit dem sich Forscher schon seit vielen Jahren beschäftigen [Kootstra
u. a. (2011)].
Der Grundstein für die Lösung dieses Problems wurde bereits im Jahr 1923 von Max
Wertheimer gelegt, der sich sehr ausführlich mit der Funktionsweise der menschlichen
Wahrnehmung beschäftigte und die sogenannten Gestaltprinzipien veröffentlichte, nach
denen ein Mensch einzelne Elemente als zusammengehörig erkennt (siehe Wertheimer
(1923)). So spielt hierfür z. B. neben der Nähe der Elemente (ein Mensch erkennt Zwei-
1