Diese Arbeit beschäftigt sich mit der automatischen Erkennung komplexer Situationen in
Bildfolgen im Videoüberwachungskontext. Bei der Behandlung von Daten aus natürlichen Umgebungen
ergeben sich Schwierigkeiten. Diese Arbeit erweitert dazu den verwendeten Formalismus um die
Behandlung von Unschärfe fehlender Information und Komplexität zeigt die Robustheit der
Situationserkennung bei natürlichen Szenarien und stellt die generische Anwendbarkeit auch über
Diskursbereichsgrenzen hinaus heraus. This work addresses the automatic detection of complex
situations in image sequences in the video surveillance context. There are difficulties when
dealing with data from natural environments. This work expands the formalism of FMTHL and SGTs
to deal with erroneous missing and noisy data and complexity demonstrates the robustness of
situational recognition in natural scenarios and expands generic applicability beyond
discourse boundaries.
