Robuste Personenerkennung in 3D-Messdaten

Zur sicheren Erkennung von Personen in automatisierten Logistikprozessen können die Gefahrenbereiche mit 3D-Multilayerscannern erfasst und die dreidimensionalen Messdaten entsprechend ausgewertet werden. Neben anderen Ansätzen soll hierfür die Hauptkomponentenanalyse (Principal Component Analysis – PCA) implementiert und charakterisiert werden.
Das Ziel der Arbeit ist die Bewertung, mit welcher Wahrscheinlichkeit Personen in einem definierten Bereich automatisch erkannt werden können.
Mögliche Inhalte:
- Klassifizierung von Messdaten als Trainingsdaten
- Implementierung der Hauptkomponentenanalyse für die Anwendung mit 3D-Messdaten
- Auswahl von Testdaten zur statistischen Untersuchung der Personenerkennung
- Fusion der Auswerteergebnisse mit den Ergebnissen anderer Verfahren mittels Ensemble Learning und Bayes-Statistik
Ihr Profil:
- Programmierkenntnisse (Python oder MATLAB)
- Freude beim Umgang mit Daten
- Selbstständiges & verantwortungsbewusstes Arbeiten
Kontakt
Axel von FreybergE-Mail: Enable JavaScript to view protected content.Telefon: +49 (0)421 218 646 10