Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
4 4 | w w w c o m p u t e r - a u t o m a t i o n d e · 10 -2 5 De t e k t i o n Menschliche Bewegung zuverlässig erkennen von Gabriele Fulco Die genaue Erkennung von Menschen im industriellen Umfeld ist eine besondere Herausforderung Doch was genau macht es so schwierig Menschen zuverlässig zu erkennen? Eine Maschine so zu trainieren dass sie die Welt um sich herum nicht nur wahrnimmt sondern auch versteht ist eine komplexe technologische und rechnerische Herausforderung Eine noch weitaus komplexere Aufgabe ist die Erkennung von Menschen da die Einzigartigkeit und Vielfalt des Menschen diesen zu einem der schwierigsten zu erkennenden Objekte machen wenn ein System nicht ausgiebig auf bestimmte Personen trainiert werden soll So kann bereits eine Änderung der Kleidung oder der Frisur zu Problemen in der Erkennung führen Kommen zusätzliche Faktoren wie ein räumlich ausgedehntes Interaktionsumfeld oder die Unvorhersehbarkeit menschlichen Verhaltens hinzu wachsen die technischen Herausforderungen schnell In Industrieumgebungen beispielsweise arbeiten oft mehrere Menschen in hoher Geschwindigkeit und führen verschiedene Aufgaben im selben Raum aus Der Versuch deren Bewegungen aus einer seitlichen oder gar isometrischen Ansicht zu verfolgen hat bisher nur unzureichende Lösungen gebracht da eine solche Lösung ein Verständnis des Systems für die Tiefe der Sicht voraussetzt Bei einer Konfiguration mit nur einer Kamera kann eine Person zudem leicht die Sichtung einer anderen verdecken und tote Winkel schaffen Eine der größten Herausforderungen bei der Entwicklung von Bildverarbeitungssystemen findet sich darüber hinaus nicht so sehr in der Erfassung von Bildern sondern vielmehr in deren Verarbeitung Damit eine Maschine menschliche Bewegungen in Echtzeit verstehen kann ist eine starke Rechenleistung erforderlich um sowohl hohe Geschwindigkeit als auch Genauigkeit zu gewährleisten Da keine Umgebung der anderen gleicht war die Entwicklung eines Systems das nicht nur die Nuancen menschlicher Bewegungen verstehen sondern sich auch unterschiedlichen Szenarien und Beleuchtungsniveaus anpassen kann bislang ein Hindernis für die breite Anwendung solcher Technologien Eine andere Perspektive Menschenerkennungssysteme beruhen typischerweise auf einer Top-Down-Perspektive von oben nach unten und nehmen ähnlich wie Sicherheitskameras Bilder auf Dieser Top-Down-Ansatz ist deshalb üblich da es eine Fülle von öffentlich zugänglichen Bildaufnahmen aus diesem Blickwinkel gibt die für das Training von KI-Modellen verwendet werden Aus der Vogelperspektive ist es für Erkennungssysteme jedoch schwierig die Position von Menschen im Detail zu erfassen vor allem wenn sich Personen in der Szene überschneiden Das macht es weniger effektiv für Unterstützungsaufgaben wie etwa die Verbesserung der Arbeitseffizienz Bi ld er Om ro n