Informatik-Spektrum

, Volume 33, Issue 6, pp 580–588 | Cite as

Visuelle Bewegungsanalyse in Video- und Geodaten

HAUPTBEITRAG VISUELLE BEWEGUNGSANALYSE
  • 177 Downloads

Zusammenfassung

Bewegungsdaten von Personen, Fahrzeugen und anderen Objekten liegen durch die Fortschritte bei Sensoren zur Positionsbestimmung und durch deren weite Verbreitung in immer größer werdendem Umfang vor. Eine vollautomatische Analyse der Bewegungsmuster gestaltet sich für komplexe räumliche und zeitliche Strukturen schwierig, insbesondere wenn die Daten mit Unsicherheiten behaftet sind oder semantische Informationen fehlen. Diese Probleme lassen sich durch eine geeignete Kombination der automatisierten Untersuchung mit Visualisierungstechniken und einer nutzergesteuerten Exploration lösen. In diesem Beitrag werden die grundlegende Vorgehensweise zur visuellen Analyse von Bewegungen beschrieben und praktische Beispiele für Bewegungsinformationen in Videoströmen und im georäumlichen Kontext diskutiert.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Andrienko G, Andrienko N (2008) Spatio-temporal aggregation for visual analysis of movements. In: Proc. IEEE Symposium on Visual Analytics Science and Technology (VAST 2008), IEEE Computer Society Press, pp 51–58Google Scholar
  2. 2.
    Andrienko N, Andrienko G (2010) Spatial generalization and aggregation of massive movement data. IEEE Transactions on Visualization and Computer Graphics, akzeptiert, doi:10.1109/TVCG.2010.44Google Scholar
  3. 3.
    Andrienko N, Andrienko G, Wachowicz M, Orellana D (2008) Uncovering interactions between moving objects. In: Proc. GIScience, pp 16–26Google Scholar
  4. 4.
    Bak P, Mansmann F, Janetzko H, Keim D (2009) Spatiotemporal analysis of sensor logs using growth ring maps. IEEE Trans Vis Comput Graph 15(6):913–920CrossRefGoogle Scholar
  5. 5.
    Bosch H, Heinrich J, Höferlin B, Höferlin M, Koch S, Müller C, Reina G, Wörner M (2009) Innovative filtering techniques and customized analytics tools. In: Proc. IEEE Symp. Visual Analytics Science and Technology (VAST 2009), IEEE Computer Society Press, pp 269–270Google Scholar
  6. 6.
    Botchen RP, Bachthaler S, Schick F, Chen M, Mori G, Weiskopf D, Ertl T (2008) Action-based multifield video visualization. IEEE Trans Vis Comput Graph 14(4):885–899CrossRefGoogle Scholar
  7. 7.
    Chen M, Botchen RP, Hashim RR, Weiskopf D, Ertl T, Thornton IM (2006) Visual signatures in video visualization. IEEE Trans Vis Comput Graph 12(5):1093–1100CrossRefGoogle Scholar
  8. 8.
    Dykes JA, Mountain DM (2003) Seeking structure in records of spatio-temporal behaviour: visualization issues, efforts and applications. Comput Stat Data Anal 43(4):581–603MATHCrossRefMathSciNetGoogle Scholar
  9. 9.
    Giannotti F, Pedreschi D (eds) (2008) Mobility, Data Mining and Privacy: Geographic Knowledge Discovery. Springer, Berlin HeidelbergGoogle Scholar
  10. 10.
    Güting RH, Schneider M (2005) Moving Objects Databases. Morgan Kaufmann Publishers, San FranciscoGoogle Scholar
  11. 11.
    Höferlin M, Grundy E, Borgo R, Weiskopf D, Chen M, Griffiths IW, Griffiths W (2010) Video Visualization for Snooker Skill Training. Comput Graph Forum 29(3):1053–1062CrossRefGoogle Scholar
  12. 12.
    Höferlin M, Höferlin B, Weiskopf D (2009) Video visual analytics of tracked moving objects. In: Proc. Workshop on Behaviour Monitoring and Interpretation (BMI ’09) at International 3D Geoinfo Workshop, CEUR Workshop Proceedings 541, pp 59–64Google Scholar
  13. 13.
    Keim D, Hao M, Dayal U, Janetzko H, Bak P (2009) Generalized scatter plots. Inf Vis, akzeptiert, doi:10.1057/ivs.2009.34Google Scholar
  14. 14.
    Kwan M-P (2000) Interactive geovisualization of activity-travel patterns using three-dimensional geographical information systems: a methodological exploration with a large data set. Transp Res Part C: Emerg Technol 8(1–6):185–203CrossRefGoogle Scholar
  15. 15.
    Magee D, Pers J (eds) (2009) Computer vision based analysis in sport environments. Comput Vis Image Underst 113(5):589–662Google Scholar
  16. 16.
    Rinzivillo S, Pedreschi D, Nanni M, Giannotti F, Andrienko N, Andrienko G (2008) Visually-driven analysis of movement data by progressive clustering. Inf Vis 7(3/4):225–239CrossRefGoogle Scholar

Copyright information

© Springer-Verlag 2010

Authors and Affiliations

  • D. Weiskopf
    • 1
  • G. Andrienko
    • 2
  • N. Andrienko
    • 2
  • P. Bak
    • 3
  1. 1.Universität StuttgartStuttgartDeutschland
  2. 2.Fraunhofer Institut IAISSankt AugustinDeutschland
  3. 3.Universität KonstanzKonstanzDeutschland

Personalised recommendations