Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

Masterarbeit: Attributbasierte Personenwiedererkennung |[VID]|

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) beschäftigt sich mit der automatischen Auswertung von Signalen bewegter bildgebender Sensorik in komplexen, ggf. nichtkooperativen 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.

 

Beschreibung

Die Personenwiedererkennung hat in den vergangenen Jahren vor allem durch den vermehrten Einsatz von Videoüberwachungskameras zunehmend an Bedeutung gewonnen. Normalerweise wird bei der Personenwiedererkennung auf Basis eines Bildes der gesuchten Person versucht, sie auf weiteren Aufnahmen aus einer Galeriedatenbank zu identifizieren. Dies ist allerdings nur dann möglich, wenn auch ein Bild dieser Person vorliegt. In der Praxis sind häufig allerdings nur Zeugenbeschreibungen vorhanden. Aus diesem Grund ist die Personenwiedererkennung mithilfe einer semantischen Beschreibung der Personenattribute, wie z.B. Kleidung, Geschlecht, Alter… , ein wichtiges Forschungsthema. Existierende Verfahren stehen jedoch noch vor diversen Herausforderungen, die im Rahmen dieser Abschlussarbeit behandelt werden sollen. Dazu gehören unter anderem nicht sichtbare Attribute, z.B. durch Verdeckungen oder den Blickwinkel, oder unterschiedliche visuelle Erscheinungen desselben Attributs.

 

Attributbeschreibungen und passende Personen. Bildquelle [1]

 

Aufgabenstellung

Im Rahmen der Arbeit soll ein Verfahren zur Verbesserung der Personenwiedererkennung basierend auf semantischen Attributen entwickelt und evaluiert werden. Möglichkeiten hierfür sind z.B. die realistische Prädiktion von Attributen oder die Erkennung von sichtbaren Körperteilen, um den negativen Einfluss von verdeckten Attributen zu reduzieren.
 

Voraussetzungen

  • StudienfachInformatik, Mathematik, Elektrotechnik, Angewandte Physik oder vergleichbar
  • 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

Quellen & Literatur

 [1] Wang, X. et al.: Pedestrian Attribute Recognition: A Survey, 2019: https://arxiv.org/pdf/1901.07474.pdf