Beschreibung
Heutzutage ist das Videomaterial von Überwachungskameras ein wichtiges Instrument zur Untersuchung von Verbrechen und zur Identifizierung von Verdächtigen. Die Analyse der riesigen Datenmengen, die von zahlreichen Kameras gewonnen werden, stellt die polizeilichen Ermittlungsbehörden vor enorme Herausforderungen. Deshalb werden Systeme benötigt, die das Personal dabei unterstützen Übergriffe in Echzeit zu erkennen. Das Training von Deep-Learning basierten Video-Aktivitätserkennung-Modellen erfordert gewaltige Menge an annotierten Daten. Annotierte Überwachungssequenzen sind selten, weshalb Trainingsdatensätze künstlich erweitert werden müssen.
Aufgabenstellung
Im Rahmen der Bachelorarbeit soll das Verfahren aus [1] zur Single-Human Pose Translation implementiert werden. Weiterhin soll das Verfahren erweitert werden, sodass auch die Multi-Human Pose Translation möglich ist.
Voraussetzungen
- Studienfach: Informatik, Mathematik, Angewandte Physik oder vergleichbar
- Gutes Verständnis für die (theoretischen) Grundlage von Deep Learning
- Gute Programmierkenntnisse (idealerweise Python)
- Erfahrung mit dem Deep Learning Framework Pytorch vorteilhaft.
- Fähigkeit zum selbstständigen Arbeiten
- Bereitschaft, sich in neue Themengebiete einzuarbeiten und Freude am Einbringen eigener Ideen
Bei Interesse senden Sie uns bitte ihre Bewerbungsunterlagen (kurzes Anschreiben, tabellarischer Lebenslauf, Notenauszug) in elektronischer Form an Mickael Cormier.
Literatur
[1] Chan, Caroline, et al. "Everybody dance now." Proceedings of the IEEE International Conference on Computer Vision. 2019.
[2] https://www.youtube.com/watch?v=mSaIrz8lM1U
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB 