Refine
Keywords
- Fahrerassistenzsystem (2)
- Fußgänger (2)
- Field programmable gate array (1)
- Objekterkennung (1)
- Prozessanalyse (1)
Document Type
- Conference Proceeding (3)
- Article (2)
Has Fulltext
- no (5)
Dieser Beitrag beschreibt ein intelligentes Assistenzsystem, das manuelle Montageprozesse beobachten und Auffälligkeiten im Ablauf identifizieren kann. Die mit der Montage verbundenen Handgriffe werden als eine Abfolge von Gesten erfasst. Aus den Zeitabständen zwischen den Handgriffen lassen sich statistische Aussagen gewinnen. So kann beispielsweise eine große Streuung auf Qualitäts- oder Konzeptprobleme hinweisen. Den Kern des Assistenzsystems bildet die Kinect von Microsoft. Die Autoren stellen das Konzept und erste Ergebnisse des Verfahrens vor.
Viele Verfahren zur Erkennung von Objekten, beispielsweise Fußgängern, in Bildern benutzen das Sliding-Window-Prinzip. Dabei wird ein Fenster von links oben nach rechts unten über das Bild verschoben. Für jedes dieser Fenster wird geprüft, ob es ein zu erkennendes Objekt beinhaltet. Ein Klassifikator liefert dann häufig positive Ergebnisse für mehrere benachbarte Fenster, die einem einzelnen Objekt zugeordnet werden können. Durch den Einsatz von unterschiedlichen Skalenstufen wird dieser Effekt weiter verstärkt. Bei der Detektion von Objekten ist daher eine Fusion dieser Mehrfacherkennungen zu einer einzelnen aussagekräftigen Detektion pro Objekt eine entscheidende Komponente. Des Weiteren müssen sporadisch auftauchende Falscherkennungen eliminiert werden. Diese Fusion von Detektionsergebnissen ist in der bildbasierten Objekterkennung ein wichtiger Verarbeitungsschritt und wird häufig auch als Non Maximum Suppression (NMS) bezeichnet. Eine robuste Fusion von Fußgängerdetektionen kann beispielsweise als Grundlage für ein automobiles Fußgängerwarnsystem oder auch für die Absichtserkennung von Personen im Straßenverkehr genutzt werden. Da diese Systeme Echtzeitanforderungen unterliegen, ist hierfür eine schnelle Berechnung erforderlich. In dieser Arbeit wird die erste, den Autoren bekannte, rein FPGA basierte Implementierung vorgestellt. Sie ist in der Lage, die Erkennungsergebnisse mehrerer paralleler Skalenstufen in Echtzeit zu fusionieren. Auf einem Kintex-7 FPGA eines Xilinx Zynq SoCs ist damit eine Verarbeitung von mehr als 100 Bildern pro Sekunde mit einer Auflösung von 1280 x 720 Pixel möglich. Die Genauigkeit der FPGA-Implementierung ist dabei mit der einer auf OpenCV basierenden Softwareanwendung vergleichbar.