KI-basierte Detektion, Klassifikation und Tracking im maritimen Bereich

Der Einsatz von KI-Verfahren im maritimen Bereich bietet sich insofern an, dass hier große Bereiche überwacht werden sollen, was mit Personal nur mit großem Aufwand zu Leisten ist.

Detektion von 2 Schiffen mit schiffsbasierter Sensorik  (unterschiedlicher Größenordnung)
Detektion von 2 Schiffen mit schiffsbasierter Sensorik (unterschiedlicher Größenordnung)
Detektion von 3 Schiffen mit schiffsbasierter Sensorik  (unterschiedlicher Größenordnung)
Detektion von 3 Schiffen mit schiffsbasierter Sensorik (unterschiedlicher Größenordnung)
Detektion von Schiffen mit luftgestützter Sensorik
Detektion von Schiffen mit luftgestützter Sensorik

Anwendungsfälle für Videosensorik (visuell und IR) sind insbesondere dann relevant, wenn andere Methoden der Detektion und Erkennung nicht verfügbar sind.

Die Hauptmethoden sind die Nutzung von Radar, bei denen eine Identifizierung schwierig ist und AIS-Botschaften. Das sind Text-Botschaften die aktiv von den Schiffen ausgesendet werden und den Standort, Kurs, Schiffnamen etc. angeben, aber im Falle von illegalen Aktivitäten manipuliert werden.

Beispiele für Situationen in denen bildgebende Sensorik relevant ist:

  • abgedrifteter Surfer, ohne AIS und minimaler Radarsignatur
  • Schiffe mit absichtlich falsch eingestellten AIS Botschaften, die durch Videosensorik in ihrer wahren Identität erkannt werden sollen
  • Treibende Hindernisse, wie verlorene Container, die eine Gefahr für den Schifffahrtsverkehr darstellen

Hierzu erforscht VID KI-gestützte Detektions, Klassifikations- und Trackingverfahren im Bereich von Visueller und IR Sensorik auf Schiffen und luftgestützen Systemen.

Leistungsvergleich: Challenge Maritime Computer Vision 2023 (MaCVi / WACV 2023)

Machine Learning Challenges dienen zum internationalen Leistungsvergleich der Forschungsteams. VID nimmt regelmäßig an solchen Leistungsvergleichen teil, so z.B. 2023 im maritimen Bereich an zwei Challenges des 1st Workshop on Maritime Computer Vision.

Detektionsergebnisse der automatischen Hindernisdetektion

Hinderniserkennung für den Einsatz in unbemannten Oberflächenfahrzeugen (USVs)

Thema der ersten Challenge ist die Hinderniserkennung im maritimen Bereich. Zielrichtung ist die automatische Erkennung von Hindernissen bei der Navigation von unbemannten Booten (maritime Drohnen).

Es wurden die Detektionsraten für 3 Klassen gemessen:

  • Schwimmer
  • Boote
  • Anderes (Hindernisse)

Hierbei wird von einem unbemannten Überwasserfahrzeug aufgenommenes Bildmaterial verarbeitet. 

Ergebnis: Das VID-Verfahren belegte den 1. Platz.

Detektionsergebnisse mit den VID-Algorithmen

Suche und Rettung mit Drohnen aus der Luft

Die Suche und Rettung von Personen, die z.B. mit ihrem Surfbrett abgetrieben sind oder deren Motorboot havariert ist, ist eine anspruchsvolle Aufgabe, da die Position oft nur sehr ungenau bekannt ist und daher große Gebiete abgesucht werden müssen. Dies geschieht am effektivsten aus der Luft. Die ermüdende Sucharbeit kann durch automatische Bildauswertungsverfahren unterstützt werden.

Die in der Challenge betrachtete Aufgabenstellung basiert auf der Auswertung von Drohnenbildern, die über offenem Wasser aus verschiedenen Flughöhen und Perspektiven aufgenommen wurden. Ziel war es, hohe Erkennungsraten für die relevanten Klassen Schwimmer, Boot, Jetski, Boje, Rettungsgerät zu erreichen.

Ergebnis: Das VID-Verfahren belegte den 2. Platz bei 20 Teilnehmern.

 

Erkennung von Schiffstypen

Zur automatischen Erkennung von Schiffstypen hat die Abteilung VID Verfahren zur Unterscheidung von 26 unterschiedliche Schiffsklassen realisiert. Hierbei konnten hohe Klassifikationsraten erzielt werden.

Beispiele für zu klassifizierende Bilder
Verfahrensergebnisse zur Erkennung von Schiffstypen

Realzeit KI-Verfahren im Videoauswertesystem ABUL 

Um die Verfahren in der interaktiven Videoauswertung einsetzen zu können, werden sie soweit optimiert, dass eine Anwendung der Verfahren im Videostrom möglich ist. Anschließend erfolgt die Integration in unser Videoauswertesystem ABUL, das dem Auswerter die Verarbeitung von Videodaten mit Geo-Metadaten (insbesondere STANAG 4609) und eine Vielzahl von Verfahren wie z.B. Bildoptimierung, Mosaikfunktionen und Workflows zur Verfügung stellt. Neben der KI-Videoauswertung können die KI-Verfahren auch für die Auswertung von Einzelbildern eingesetzt werden.

Auszeichnungen

Weitere Informationen

 

Abteilung Videoauswertesysteme

Sie möchten mehr über unsere Produkte im Bereich der Videoauswertung erfahren? Dann besuchen Sie die Seite unserer Abteilung. 

 

Interesse an einer Kooperation?

Sie haben Interesse an einer Kooperation mit unserer Abteilung oder Fragen zu unseren aktuellen Forschungsthemen? Dann nehmen Sie Kontakt zu uns auf!