Big-Data-Analysen, Deep-Learning, Personen- und Objekterkennung: VIRTUOSE-DE präsentiert aktuellen Forschungsstand
Mit großen Schritten geht es bei VIRTUOSE-DE voran, wie sich beim Projekttreffen am 28. Juni in München zeigte. Neben den Entwicklungen bei der Objekterkennung in Bildern wurden auch die Fortschritte bei der Nachverfolgung eines Objekts, über mehrere Kamerabilder hinweg, präsentiert.
Zwei Anwendungsszenarien stehen bei VIRTUOSE-DE im Fokus: Bei dem intelligente Management von Parkflächen in Parkhäusern wird Fahrern der Weg zum nächstgelegenen Parkplatz gewiesen. Das zweite Szenario befasst sich mit Sicherheitslösungen für Personen im öffentlichen Personennahverkehr (ÖPNV). So sollen mithilfe von digitalen Technologien kritische Situationen in Bus und Bahn erkannt werden. Die jüngsten Fortschritte für beide Anwendungsszenarien wurden beim Projekttreffen im Juni präsentiert. Die Objekterkennung in Bildern, beispielsweise von fahrenden Autos und Personen im Parkhaus, und die Erkennung parkender Fahrzeuge funktioniert bereits zuverlässig. An der Nachverfolgung eines Objekts in Bewegung, über mehrere Kamerabilder hinweg, wird derzeit gearbeitet, ebenso an der Erkennung freier Parkflächen.
Auch bei der Personenerkennung durch Gesichtsverifikation, die für die Sicherheitslösungen für den ÖPNV unerlässlich ist, wurden Fortschritte erzielt. So können Gesichter in unterschiedlichen Perspektiven einzelnen Personen zugeordnet werden. In einem nächsten Schritt soll diese Lösung in einen Bus integriert und praktisch getestet werden.
Peter Amon, Projektleiter von VIRTUOSE-DE: „Während der bisherigen Projektlaufzeit haben wir schon eine Menge erreicht und der Prototyp verfügt bereits über eine Vielzahl von Funktionalitäten. Dazu werden innovative Möglichkeiten zur Big-Data-Analyse bei Videodaten, inklusive Algorithmen zum Deep Learning, genutzt. Um die Plattform künftig rechnerübergreifend zur Verfügung zu stellen, werden wir sie in den kommenden Monaten für die Verarbeitung in der Cloud oder in einem lokalen Rechnercluster vorbereiten. Zudem arbeiten wir weiter an den Möglichkeiten zur Objekterkennung, Daten- und Videoanalyse, damit die Lösungen möglichst bald praktisch eingesetzt werden können.“
Weitere Informationen zu dem Projekt finden Sie hier.
- Seite empfehlen:
- Druckansicht