SensIR - „KMU-innovativ: Informations- und Kommunikationstechnologie; Software-intensive Systeme“

Motivation

Durch den Einsatz von Deep Learning Features sind enormen Fortschritte im Bereich der Computer Vision ermöglicht worden. Um Aufgaben wie die Detektion von Personen in Bildsequenzen zu meistern, wurden bisher sehr komplexe Modelle eingesetzt, die große Mengen an Daten erfordern und sehr leistungsfähige und somit teure Hardware benötigen, um in Echtzeit ausgewertet werden zu können. In Anwendungen, in denen Kosten und Energieverbrauch ein relevanter Faktor sind und der Datenschutz bei der Verwendung bildgebender Verfahrens zu berücksichtigen ist, wurden bisher keine vergleichbaren Fortschritte erzielt.

Ziele und Vorgehen

Ziel ist die Entwicklung eines stromsparenden, kosteneffizienten Edge-Devices mit Computer Vision Funktionalitäten (Detektion und Tracking von Personen, Erkennung von Aktivitäten), welches sehr niedrigauflösende bildgebende Infrarotsensoren einsetzt. Die geringe Auflösung verringert das aufkommende Datenvolumen und reduziert somit die Anforderungen an die eingesetzte Hardware. Gleichzeitig ist eine Identifikation der betreffenden Personen unmöglich. Allerdings existieren für derart niedrigauflösende bildgebende Infrarotsensoren keine leistungsfähigen Computer Vision Modelle und Verfahren. Die Erforschung und Entwicklung dieser Modelle ist der methodische Aspekt des Projektes. Der technische Aspekt ist die Entwicklung von Hardware, welche „maßgeschneidert“ für die entwickelten Modelle ist und diese deshalb besonders effizient und energiesparend auswerten kann.

Innovationen und Perspektiven

Der entwickelte Prototyp wird direkt in ein marktreifes Assistenzsystem im Ambient- Assisted-Living Sektor überführt. Die erforschten Computer Vision Modelle für niedrigauflösende Infrarotsensoren sind auf keine Anwendung begrenzt und können bspw. im Smart Building Sektor (zur Klimaanlagen- und Lichtsteuerung) oder für Überwachungsaufgaben (Infrarot-Überwachungskameras mit Personendetektion) eingesetzt werden. Die Hardware zur energieeffizienten Auswertung der Modelle ist der erste Entwicklungsschritt hin zu einem echten KI-Chip, der auch komplexe Modelle, für die bisher große und teure Hardware erforderlich war, in Sekundenbruchteilen auswerten kann.