Erkennung abnormalen Verhaltens auf Basis von menschlichen Körperposen
- Ansprechpartner:
- Projektgruppe:
Projektbeschreibung
Der Fokus des Projektes liegt auf der Auswertung von Gruppen und kleineren Menschenmengen. Dabei ist das Ziel unter Verwendung von menschlichen Posenskeletten eine Erkennung abnormalen Verhaltens zu erreichen. Nachfolgend werden die zwei Hauptthemen des Projekts kurz vorgestellt.
Anomaliedetektion
In zahlreichen Forschungsfelder ist das Thema der Anomaliedetektion von großer Bedeutung. Dabei hängt es vom betrachteten Feld ab, was genau eine Anomalie darstellt. Je nach Anwendung kann die Definition sich nämlich unterscheiden. Typischerweise finden sich Verfahren zur Detektion von Anomalien bei der Analyse von Schaltplänen, der Analyse von Netzwerkverkehr oder aber in der Videoüberwachung öffentlicher Plätze. In diesem Projekt beschäftigen wir uns mit der Erkennung abnormalen Verhaltens Überwachungskameras. Wir setzen dabei auf Verfahren wie Generative Adversarial Networks (GAN) und analysieren temporale Aspekte unter Verwendung von Long Short Term Memories (LSTM), Rekkurrenten Netzen (RNN) und Hidden Markov Modellen.
Menschliche Posenschätzung
Sowohl für die Erkennung von Bewegungen im Allgemeinen, als auch für das Erfassen von Aktivitäten ist das Schätzen von Posen von großer Bedeutung. Dabei können diese Informationen unter anderem nützlich sein um Patienten beim Prozess der Rehabilitation zu beobachten. Möchte man viele Personen gleichzeitig analysieren sorgen vor allem dynamische Verdeckungen durch andere Personen für zahlreiche Herausforderungen. Ein weiterer Vorteil den solche Skelette mit sich bringen finden sich in puncto Datenschutz. Daten können so erhoben und verwendet werden ohne dabei zu sehr die Privatsphäre einer Person zu gefährden. Dies ist auch besonders dann wichtig, wenn man Menschenmengen und –gruppen beobachtet und analysieren will, beispielsweise um auffälliges Verhalten zu detektieren. Das schließt Aktivitäten wie Gewalt, stolpernde / stürzende oder liegende Personen ein.