Motivation
Durch den Einsatz von Deep Learning sind enorme 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. Diese benötigen jedoch große Mengen an Daten sowie sehr leistungsfähige und somit teure Hardware, um in Echtzeit ausgewertet werden zu können. Dies stellt für Anwendungen, in denen Kosten und Energieverbrauch relevante Faktoren sind und der Datenschutz bei der Verwendung bildgebender Verfahren zu berücksichtigen ist, eine große Herausforderung dar.
Ziele und Vorgehen
Ziel von „SensIR“ ist daher 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 noch keine leistungsfähigen Modelle und Verfahren, weshalb sie in diesem Vorhaben erforscht werden sollen.
Innovationen und Perspektiven
Der entwickelte Prototyp soll nach Projektabschluss in ein marktreifes Assistenzsystem im Ambient-Assisted-Living-Sektor überführt werden. Die erforschten Computer-Vision-Modelle für niedrigauflösende Infrarotsensoren sind auf keine bestimmte 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.