Personenerkennung auf Mikrocontrollern

Personenerkennung - also die Detektion einer Person, nicht deren Identifizierung - ist wahrscheinlich eine der bekanntesten Anwendungen für maschinelles Lernen: Neuronale Netze eignen sich hervorragend dazu, um Objekte, Personen, Tiere usw. in Bildern zu erkennen, um so Bildmaterial automatisiert zu klassifizieren und zu kategorisieren. Doch oftmals haben diese Algorithmen zwei entscheidende Nachteile: Personenerkennungsalgorithmen sind sehr ressourcenintensiv und erfolgen oftmals online in der Cloud, gerade weil sie einen enormen Ressourcenverbrauch haben. Damit verbunden sind Probleme beim Schutz von persönlichen und geschäftlichen Daten. Diese Nachteile schränken die Verwendung solcher Techniken massiv ein, wenn keine Datenschutzbestimmungen verletzt werden dürfen.

Das Fraunhofer IMS hat es sich deshalb zum Ziel gesetzt, eine Personenerkennung zu erforschen und zu entwickeln, die in der Lage ist ohne jeglichen Einsatz von Online-Diensten Personen mit einem Kamerasystem, in das ein kostengünstiges Microcontroller-System eingebettet ist, datenschutzkonform zu erkennen. Auf Basis des eigens entwickelten Softwareframeworks »Artificial Intelligence for Embedded Systems« (AIfES) erforscht das IMS die Integration von Bildverarbeitungsalgorithmen und neuronalen Netzen auf eingebetteten Systemen.

Anstatt riesige neuronale Netze zu verwenden, ist unser Ansatz der, dass zunächst die detaillierten Anforderungen an die jeweilige Anwendung formulieren werden, um daraus spezifisch angepasste Algorithmen zu entwickeln. Dadurch können ressourcenintensive Deep Neural Networks vermieden werden und durch vorgelagerte Algorithmen kleinste neuronale Netze verwendet werden, die sogar auf einem Mikrocontroller problemlos eingesetzt werden können. Damit ist die gesamte Bildverarbeitung und Erkennung in Echtzeit lokal auf einem Edge Device realisierbar, da der eingesetzte Mikrocontroller hier problemlos mit integriert werden kann. Es müssen keine weiteren Server, Dienste, Clouds oder sonstige Schnittstellen aufwendig angebunden werden.

Dabei sind die Einsatzfelder für die Personenerkennung äußerst vielfältig: Es können z. B. Kameras in Sicherheitssystemen mit dieser Technik ausgestattet werden, um so die Kamera mit der Fähigkeit auszustatten, bereits selbst Entscheidungen über die Relevanz der aufgenommenen Daten zu treffen. Dadurch kann beispielsweise die benötigte Datenbandbreite reduziert werden, indem nur relevante Daten (Personen im Bild und nicht etwa nur eine Katze) weitergeleitet werden. Durch die extrem geringen Systemkosten sind Anwendungen im Bereich von Smart-Home, der Leerstandsüberwachung, der Verkehrstechnik, von Evakuierungssystemen usw. naheliegende Beispiele für Einsatzgebiete.

Dabei stellt die Personenerkennung selbst auch nur ein Beispiel für eine Vielzahl von möglichen Erkennungsalgorithmen dar. So sind auch zum Beispiel die Erkennung von Werkstücken, Fahrzeugen oder anderen bewegten Objekten denkbare Anwendungen, die mithilfe von spezialisierten neuronalen Netzen auf Kleinstsystemen implementiert werden können. Das Framework des Fraunhofer IMS bietet dazu die geeignete Plattform, um ohne großen Aufwand eine passgenaue Lösung für Ihre Anwendung zu entwickeln.