Computer Vision

Zur messtechnischen Verwendung einer Kamera (optischer Sensor) ist die genaue Kenntnis des zugrunde liegenden Kameramodells erforderlich. Für den praktischen Einsatz ist eine exakte Schätzung der entsprechenden Modellparameter und weiterführend eine ressourcenschonende Umsetzung auf Embedded Systemen notwendig.

Mit Hilfe kontaktloser, optischer Verfahren können Vitalparameter robust bestimmt werden und stellen gleichzeitig für die betroffenen Personen einen deutlichen Komfortzuwachs dar. Am Lehrstuhl werden die Vitalparameter Herzefrequenz, Respirationsfrequenz, Sauerstoffsättigung und Blutdruck in unterschiedlichen Wellenlängenbereichen untersucht.

Die Professur Digital- und Schaltungstechnik forscht im Rahmen ihrer Projekte an technischen Assistenzsystemen zur markerlosen Bewegungsanalyse (Motion Analysis). Ein Anwendungsgebiet stellt die Überwachung von Übungen in der medizinischen Trainingstherapie dar.

Als Teil des Forschungsprojektes AUXILIA und diversen Industrieprojekten aus dem Bereich autonomen Fahren erforscht eine Arbeitsgruppe der Professur Digital- und Schaltungstechnik aktiv das Feld Objektdetektion mittels Deep Learning.

Mithilfe von Personendetektionsalgorithmen können die Anzahl der Personen im Raum sowie deren jeweilige dreidimensionale Position und Ausdehnung bestimmt werden. Unter Verwendung dieser Positionsdaten können Langzeit-Statistiken über den Aufenthaltsort und -dauer einer Person erstellt werden. Zusätzlich zur Position einer Person wird deren grobe Körperhaltung/Pose (Stehen, Sitzen, Liegen) mithilfe von Methoden des maschinellen Lernens erkannt. Die Einbeziehung der Informationen über die Körperhaltung in Langzeitstatistiken ermöglicht genauere Schlussfolgerungen über die Mobilität einer Person.

An der Professur Digital- und Schaltungstechnik werden verschiedene Methoden der Stereo-Korrespondenanalyse untersucht und entwickelt. Das Ziel der Entwicklung ist die Lösung der praxisnahen Herausforderungen.

Für moderne Computer Vision Anwendungen sind neuronale Netzwerke oft der Schlüssel zum Erfolg. Derartige Systeme werden mittels riesiger Datenmengen trainiert, mit dem Ziel verschiedenste Variationen von Objekten erlernen zu können. Je nach Domäne kann es vorkommen, dass die benötigten Trainingsmengen nicht vorhanden sind und bereits existierende Datensätze sich nicht adaptieren lassen. Ein Ansatz, um dieser Problematik entgegenzuwirken, ist die Erzeugung von künstlichen Daten.

Das Forschungsgebiet der Professur DST beschränkt sich nicht nur auf den sichtbaren Wellenlängenbereich (380 - 780 nm). Auch der mittlere Infrarotbereich zwischen 7,5 – 13 µm Wellenlänge ist Gegenstand der Forschung. Die thermische Strahlung wird mit einer Wärmebildkamera erfasst. Dieser Vorgang wird als Thermografie bezeichnet. Da die Darstellung von Objekten und Personen sich in diesem Wellenängenspektrum deutlich unterscheidet, müssen auch Algorithmen der Bildverarbeitung neu erdacht werden.

Stereo Vision basierte Sensorik ist eine Kerntechnologie zur RGB-D Datengewinnung zur Durchführung von 3D-Raumvermessungen im Rahmen verschiedener Anwendungsfelder. Dazu zählen zum Beispiel Überwachungsaufgaben im Innenraum, wobei eine Mehrzahl von "Sensoren" als Netzwerk zur vollflächigen Raumabdeckung zusammenarbeitet.