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