Automobilhersteller wollen ihre Fahrzeuge mit bildverarbeitenden Systemen ausstatten, die Fußgänger erkennen und den Fahrer warnen können; gegebenenfalls aktivieren sie selbst die Bremsen. Das biologische Vorbild unseres zentralen Nervensystems wird als Basis für die Entwicklung der technischen 'neuronalen Netze' genutzt. Dem biologischen Vorbild entsprechen 'Feedforward'-Netzwerke wie das Mehrschicht-Perceptron: Eine Schicht aus Eingabeneuronen speist den Input (Intensitäten von Kamera-Bildpunkten) in das Netz. Jede folgende Schicht gibt ihre Antwort einer jeweils höheren weiter, bis eine Ausgabeschicht schließlich das Ergebnis anzeigt. Die Verarbeitung der Eingabe-Informationen beruht auf unterschiedlich starken Verbindungen zwischen den Neuronen, realisiert durch Gewichte. Während solch ein Netz lernt, Beispiele zu klassifizieren, korrigiert es diese Gewichte in einer Vielzahl von Wiederholungen. Für die Fußgängererkennung müssen die einzelnen Bilder einer Folge innerhalb des Netzes aufgestaut werden, damit die aus ihnen extrahierten Merkmale alle gleichzeitig an der Ausgabeschicht ankommen. Ein System, das Information zeitlich staffelt und dann im Kontext verarbeitet, ist ein Zeitverzögerungsnetzwerk oder TDNN (Time Delay Neural Network). Das TDNN wird auch mit Bildfolgen trainiert, die nur die untere Hälfte der Regions of Interest (ROIs) enthält, denn ein Fußgänger steuert außer seiner Größe z. B. das Muster der Beinbewegung zur Merkmalserkennung bei. Neuronale Netzwerke im Auto, die querende Passanten in Sekundenbruchteilen erkennen sollen, werden zur Zeit mit dem 'Urban Traffic Assistant' im Innenstadtverkehr getestet, weitere Entwicklungen erfolgen gemeinsam mit Siemens, VW sowie einigen mittelständischen französischen und englischen Firmen im Rahmen des EU-Projekts 'SaveU'. Verlässlich arbeitet das so genannte hierarchische Chamfer-Matching. Es extrahiert die Konturen von Fußgängern aus Aufnahmen und vergleicht sie mit Referenzkonturen. Bis zu einem Serieneinsatz muss das System den Fußgänger jedoch weitaus sicherer erkennen.
Stopp! Fußgänger! Bildverarbeitung
Spektrum der Wissenschaft ; 12 ; 83-85
2002
3 Seiten, 2 Bilder
Article (Journal)
German
Online Contents | 1995
TIBKAT | 1987
|IuD Bahn | 2006
|