Computer Vision am IMS
© Sergey Nivens - stock.adobe.com
Mit Computer Vision werden am Fraunhofer IMS multidimensionale Informationen aus Bildern und Videos extrahiert.

Computer Vision – Maschinelles Sehen

Mit Computer Vision werden am Fraunhofer IMS multidimensionale Informationen aus Bildern und Videos extrahiert

Computer Vision

Computer Vision oder maschinelles Sehen beschreibt die Fähigkeit von Maschinen, die Welt wie wir Menschen zu sehen und Informationen aus Bildern extrahieren zu können. Insbesondere im Bereich der Fahrassistenzsysteme wurden dabei in den letzten Jahren große Fortschritte erzielt. Das Fraunhofer IMS selbst entwickelt eine Vielzahl an bildgebenden Sensoren (z. B. CMOS-Bildsensoren, Infrarotkamerachips (IRFPA) oder Single Photon Avalanche Dioden (SPADs) z. B. für LiDAR-Anwendungen), die alle angepasste Methodiken der Bildverarbeitung benötigen. Das Ziel ist es dabei; möglichst ressourcenschonend das Maximum der verfügbaren Informationen zu extrahieren. Dafür kommen insbesondere moderne Methoden des maschinellen Lernens zum Einsatz. Die Anwendungsgebiete reichen dabei von einer ultra-schnellen Personenerkennung, einer ausgefeilten Bewegungsanalyse bis hin zur Quantifizierung von Vitalparametern.

Automatisierte Erkennung von Menschen in komplexen Szenarien
© Fraunhofer IMS
Erkennung von Menschen in komplexen Szenarien mit eingebetteter künstlicher Intelligenz.

Personenerkennung

Die Erkennung von Personen in Bildern ist eine der ältesten Anwendungen im Bereich Computer Vision und vermeintlich gelöst. Für performante Rechensysteme triff das zweifelsfrei zu. Aber lässt sich eine genaue Personenerkennung auf kleinen Mikrocontrollern realisieren? Das Fraunhofer IMS entwickelt Methoden, um die gesamte Bildverarbeitungskette der Personenerkennung in Echtzeit lokal auf Edge-Devices zu realisieren.

 

 

Bewegungsanalyse

Über die reine Erkennung der Personen hinaus forscht das IMS an Methoden, die Bewegung von Personen in Videos zu analysieren. Dabei werden mit Computer Vision einzelne Körperteile und Gelenke lokalisiert und ihr zeitlicher Bewegungsablauf untersucht. Damit lassen sich Rückschlüsse ziehen auf Bewegungsanomalien. Anwendungsfelder dieser Forschung liegen in der Analyse von Sturzursachen und zu deren Vermeidung und im täglichen Energiemanagement von Patienten mit CFS-Syndrom (Chronic Fatigue Syndrome).

Bewegungsanalyse am IMS
© Fraunhofer IMS
Aus dem Kamerabild wird für die Bewegungsanalyse ein 3D Skelett abgeleitet.
Erkennung der Region of Interest (ROI) für die Vitalparameterbestimmung
© Fraunhofer IMS
Videobild einer Person mit überlagerter Region of Interest für die kontaktlose Atemfrequenzmessung.

Quantifizierung von Vitalparametern

Ein weiteres Forschungsfeld im Bereich Computer Vision stellt die kontaktlose optische Ermittlung von Vitalparametern dar. Im Vergleich zu kontaktbasierten Verfahren ermöglichen sie eine schonende, komfortable und kontinuierliche Messung von Vitalparametern wie Herzfrequenz, Respirationsrate oder des Blutdrucks. Die Messung wird dabei in verschiedenen Wellenlängenbereichen realisiert. Insbesondere im aktuellen Anwendungsfall der schnellen Evaluierung von möglichen Symptomen von Infektionskrankheiten wie COVID-19 kann das Fraunhofer IMS schnell Hilfe und einsetzbare Lösungen anbieten.

Unsere Technologien – Innovationen für Ihre Produkte

Personenerkennung

Mit einer speziellen Merkmalsextraktion wird die Erkennung von Personen auf kleinen eingebetteten Systemen ermöglicht.

 

Bewegungsanalyse

Die Bewegungsanalyse erlaubt die Erkennung von Anomalien und ermöglicht dadurch z. B. eine Sturzprävention.

Quantifizierung von Vitalparametern

Mit Hilfe von Computer Vision ist eine kontaktlose Messung von Gesundheitsparametern möglich.

Unsere Technologiebereiche – Unsere Technologien für Ihre Entwicklung

Kommunikation und Vernetzung

Kommunikationsschnittstellen erlauben den Datenaustausch mit anderen Geräten und die Anbindung an Netzwerke.

User Interfaces

User Interfaces als Schnittstelle zwischen Gerät und Anwender erlauben die Konfiguration und die Bedienung eines Produkts.

Maschinelle Lernverfahren für Embedded-Systems

Künstlicher Intelligenz auf ressourcenbegrenzten Systemen dient zur Gewinnung höherwertiger Informationen aus Sensorrohdaten.

 

Embedded Software and Artificial Intelligence (Home)

Hier gelangen Sie zurück zu der Übersichtsseite der Kernkompetenz
Embedded Software and Artificial Intelligence (ESA).