Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

Masterarbeit: Pedestrian Attribute Recognition |[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 Erkennung von Personenattributen hat in den vergangenen Jahren vor allem durch den vermehrten Einsatz von Videoüberwachungskameras zunehmend an Bedeutung gewonnen. Die sogenannte „Pedestrian Attribute Recognition“ versucht, basierend auf Eingabebildern solcher Kameras, Personen automatisiert passende Attribute zuzuweisen. Relevante Attribute sind dabei zum Beispiel das Geschlecht, das Alter oder Informationen zur Kleidung der dargestellten Person. Ein Anwendungsfall ist beispielsweise der Abgleich der erkannten Attribute mit einer Zeugenbeschreibung, um eine Person in Überwachungsvideos identifizieren zu können.

 

Attributbeschreibungen und passende Personen. Bildquelle [1]

 

Aufgabenstellung

Aufbauend auf einer Analyse des aktuellen State-of-the-Arts besteht die Aufgabe darin unterschiedliche Designmöglichkeiten von Deep Learning-Ansätzen zu vergleichen und Best Practices zu identifizieren. Im zweiten Schritt soll dann ein eigenes Verfahren entwickelt werden, das z.B. durch das zusätzliche Nutzen von Poseninformationen die Genauigkeit der Attributerkennung weiter erhöht.

 

 

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