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 Freyberg
E-Mail: Enable JavaScript to view protected content.
Telefon: +49 (0)421 218 646 10

»  Aufgabenstellung als PDF