Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

Objektdetektion und Tracking in Videos mittels Deep Learning [VID]

Bachelor-, Masterarbeit

Das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB ist eines der größten Institute für angewandte
Forschung auf dem Gebiet der Bildgewinnung und Bildauswertung in Europa. Die Abteilung Videoauswertesysteme (VID) be-
schäftigt sich mit der automatischen Auswertung von Signalen bewegter bildgebender Sensorik in komplexen, ggf. nichtkoope-
rativen Szenarien. Diese Sensorik wird beispielsweise im Aufklärungs- und Überwachungsbereich als integrierte Komponente in
fliegenden, weltraumgestützten oder mobilen landgestützten Plattformen verwendet. VID entwickelt und integriert hierfür
Bildauswertealgorithmen für autonome oder interaktive Systeme.

 

   
[3]

Motivation und Aufgabenstellung

Die Detektion und das Tracking von Objekten spielt in vielen Anwendungen eine zentrale Rolle, beispielsweise bei der Video-
überwachung. Der Großteil der auf Deep Learning basierenden Verfahren arbeitet jedoch nur auf einzelnen Bildern und nutzt
den zeitlichen Zusammenhang von Videos nicht oder nur unvollständig aus. Durch die Verwendung mehrerer Eingangsbilder
kann die Detektionsgenauigkeit erhöht werden, insbesondere bei herausfordernden Szenen mit Verdeckung oder Bewegungs-
unschärfe.

Ihre Aufgabe ist es, aufbauend auf aktuellen Ansätzen aus der Literatur ([1], [2]), Verfahren des maschinellen Lernens für die
Detektion und das Tracking von Objekten in Videos zu entwickeln und zu implementieren. Dabei soll, anders als bei herkömm-
lichen Methoden, der in Videos verfügbare zeitliche Kontext miteinbezogen werden. Im Anschluss gilt es, die entwickelten
Verfahren auf geeigneten Datensätzen zu evaluieren.


[1] https://arxiv.org/pdf/1903.05625.pdf
[2] https://arxiv.org/pdf/1710.03958.pdf
[3] https://arxiv.org/pdf/1810.11780.pdf

 

Voraussetzungen

  • StudienfachInformatik, Informationstechnik oder verwandte Studiengänge
  • Gute Programmierkenntnisse (idealerweise Python)
  • Fähigkeit zum selbstständigen Arbeiten
  • Bereitschaft, sich in neue Themengebiete einzuarbeiten und Freude am Einbringen eigener Ideen
  • Gutes Verständnis der Grundlagen von Deep Learning
  • Erste praktische Erfahrungen mit CNNs wünschenswert
  • Bewerbungen bitte mit Lebenslauf und Notenauszug