(12. Mai 2020)  Fraunhofer IOSB-INA bietet ein Verfahren für die computergestützte Distanzüberwachung zwischen Personen und die Erkennung von Personengruppen zur Pandemieeindämmung an.

Hierzu werden Kamerabilder aus Produktionshallen, Büroumgebungen und des öffentlichen Raums zur Kontrolle der Einhaltung des Mindestabstands zwischen Personen und der Identifikation von Personengruppen ausgewertet. Dabei werden unter Nutzung von Deep-Learning Verfahren Personen auf einem Kamerabild identifiziert und gekennzeichnet. Ein  Algorithmus ermittelt den Abstand in Metern zwischen den erkannten Personen. Es soll erfolgt daraufhin eine Bewertung, ob der Abstand zwischen den Personen einen konfigurierbaren Mindestabstand unterschreitet, oder ob sich Personen in Gruppen aufhalten. Eine Bewertungsfunktion errechnet einen Score beispielsweise pro Tag, welcher angibt, wie viele Personen den Mindestabstand unterschritten, oder eine Gruppe gebildet haben. Um die Personenerkennung auch in Industrieumgebungen mit schwierigen Lichtverhältnissen und Kamerablickwinkeln zu realisieren, müssen mathematische Verfahren zur Bildtransformation angewendet werden.  Zur Erkennung von Personen auf Bilddaten werden Fast-Recursive-Convolutional-Neural Networks (FRCNN) eingesetzt. Diese gibt es bereits als vortrainiertes Neuronales Netz, beispielsweise auf den Trainingsdaten des Common Objects in Context (COCO) Projekts. Die Transformation von Bilddaten in verschiedene Perspektiven erfolgt über Matrixoperationen im Rahmen der Homographie. Mithilfe der Homographie können Kameraszenen so bearbeitet werden, dass beispielsweise Tiefeneffekte herausgerechnet werden.

Die Nutzung des Verfahrens im öffentlichen Raum unter Nutzung vorhandener WebCams ist in dem Video zu sehen.

Bei Interesse an dem Verfahren können Sie sich gerne direkt an Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!vom Fraunhofer IOSB-INA wenden.