Beschreibung
Großveranstaltungen stellen stets ein hohes Sicherheitsrisiko für Besucher und Unbeteiligte dar. Aus diesem Grund sind Sicherheitskräfte und Polizei darauf angewiesen die Veranstaltung sowohl durch Bodenpersonal, als auch über Videokameras im Blick zu behalten. Die große Menge an Videodaten die dabei anfällt, stellt die Einsatzkräfte jedoch vor extrem große Herausforderungen. Deshalb werden Systeme benötigt, die das Personal dabei unterstützen frühzeitig Risiken zu identifizieren, indem abnormales Verhalten von Personen in aufgezeichneten den Videoströmen erkannt wird.
Aufgabenstellung
Im Rahmen der Masterarbeit soll die Literatur zu posen-basierten Verfahren für das Erkennen abnormaler Situationen erarbeitet werden. Weiterhin soll auf Basis der Ergebnisse der Recherche, sowie des nachfolgenden Papers ein eigenes Verfahren entwickelt oder erweitert werden, welches es ermöglicht abnormale Situationen zu erkennen. Fokus soll hierbei auf der Verwendung von Poseninformationen unter Verwendung zeitlich-prädiktiver Methoden liegen.
Einstiegspaper: https://arxiv.org/pdf/1901.03407.pdf
Voraussetzungen
- Studienfach: Informatik, Mathematik, Elektrotechnik, Maschinenbau, Angewandte Physik, o.ä.
- Gutes Verständnis für die (theoretischen) Grundlagen von Deep Learning
- Gute Programmierkenntnisse (idealerweise Python)
- Erfahrung mit den Deep Learning Frameworks PyTorch bzw. Tensorflow vorteilhaft
- Fähigkeit zum selbstständigen Arbeiten
- Bereitschaft, sich in neue Themengebiete einzuarbeiten und Freude am Einbringen eigener Ideen
Inspiration für weitere Themen: https://thomasgolda.github.io/students/
Bewerbungen bitte mit Lebenslauf und Notenauszug an Thomas Golda.