Shape Recognition Technology

Shape Recognition Technology (SRT) ist ein Teilgebiet der Mustererkennung, das grundlegend im militärischen Forschungsbereich entwickelt wurde. Sie dient dazu, aus zweidimensionalen Video-Bildern (Pixel-Images) automatisch zu erkennen, um was es sich handelt. Shape Recognition erkennt auch dreidimensionale Objekte auf der Basis einer zuvor angelegten Bild-Bibliothek aus 2-D Silhouetten zuverlässig. Dabei werden Informationen wie Eckpunkte und geschlossenen Konturen anstatt gerader Verbindungslinien verarbeitet. Die Silhouette bildet als paralleles Modell eine Projektion des Objekts. Jedes Modell wird als Serie von Haupt-Quadtrees gespeichert, die aus dem Volumen der Oberflächen-Octrees gebildet werden. Die Eckpunkte werden extrahiert, um den Erkennungsprozess einzuleiten. Aus Übereinstimmungen zwischen mehreren (i.d.R. zwei bis acht) Aufnahmen der 2-D Eckpunkte des beobachteten Objekts und den 3-D Punkten einzelner Modelle wird zunächst eine Hypothese gebildet und diese anschließend durch eine Vielzahl Einschränkungen überprüft. Das Ergebnis der Hypothese und des Verifizierungsprozess´ wird durch 2-D Konturanpassung validiert. Dieser Ansatz ermöglicht die robuste Erkennung von Flächen und Gegenständen gleichermaßen, vorausgesetzt, die Daten zur Modellbildung sind hinreichend präzise. Die Technikbasis wurde zu Beginn des 21sten Jahrhunderts für den zivilen Bereich verfeinert und eingegrenzt, um beispielsweise als Element der Fertigungskontrolle oder in Kundenzählanlagen bzw. anderen Erfassungssegmenten wie Check-Out (Kassen im Einzelhandel), öffentlichen Einrichtungen, Veranstaltungen und Warenpräsentationsbereichen verwendet zu werden.

SRT-Aufnahmebeispiel mit Mustererkennung (schematische Erfassungsunterteilung, prozessintern deutlich feiner)

Mustererkennung

Optischer Sensor bestehend aus Linse, Wärmeableiter, Prozessor und Halterung

Die Anlagen beziehen ihre Daten aus optischen Sensoren, die fortlaufend Bilder liefern und diese in Echtzeit analysieren. Dazu wurden millionenfach Bilder aufgenommen und mit Hilfe der Fuzzylogik in Mustererkennungs-Algorithmen und des Auffindens von Übereinstimmungs-Merkmalen verarbeitet. Eine Mustererkennung unterscheidet präzise nach erwachsenen Menschen, kleinen Kindern und Gegenständen wie Trolleys. Gruppierungen wie eng miteinander gehende Menschen werden als Paare erkannt.

Anwendungsgebiete

Im kommerziellen Bereich der Kundenzählanlagen wird die SRT Technik normalerweise so angebracht, dass die optischen Sensoren oberhalb der zu erfassenden Bereiches installiert und mit Recheneinheiten verbunden werden. Derart aufgenommene Bilder werden bei hochwertigen Anlagen mit Hilfe speziell für diese Aufgabe programmierter integrierter Schaltungen ausgewertet und als reine Zählmenge verarbeitet. Diese quantitative Erfassung basiert auf der Filterung der „Head-and-Shoulder“ Umrissdaten bestimmter Grössenkategorien. Alle anderen Daten – wie die von Gegenständen oder Körperschatten – werden ausgeklammert. Aufgenommene Bilder werden aus Datenschutz-rechtlichen Gründen sowie aus Erwägungen zur Daten- und Netzwerkeffizienz nur flüchtig gespeichert.

Einzelhandel

Installation von SRT-Sensoren einer Kundenzählanlage im Einzelhandel

Eingangsbereiche und Übergange zu Etagen werden mit optischen Sensoren ausgestattet, die die potentiellen Kunden zählen. Die Daten werden sowohl statistisch als auch in Echtzeit verarbeitet. Die Ergebnisse dienen der Personaleinsatzplanung wie dem Benchmarking. Feinsteuerungsergebnisse in einzelnen Warenbereichen helfen bei der Werbeoptimierung und liefern Marketing-Kennziffern.

In Einkaufszentren wird die Besucherfrequenz erfasst, die sowohl der Statistik und damit der Messung von Werbe- und anderen Maßnahmen dient. Vielerorts bilden diese Daten eine Basis für variable Mietkomponenten.

Veranstaltungen

SRT-Technik ermöglicht es, die Besucherfrequenz bei Veranstaltungen zu kennen. Aus diesen Daten wird die wirtschaftliche Erfolgsmessung abgeleitet. Echtzeitergebnisse tragen dazu bei, die Sicherheit zu optimieren.

Militärische Bereiche

Hochauflösende Kameras liefern Bildmaterial, das Bewegungen, Mannschaftsstärken sowie Materialeinsatz gegnerischer Kräfte analysiert. Die Erkenntnisse dienen der Ad-Hoc-Entscheidungsfindung und werden als statistische Daten permanenten Vergleichen zugeführt, um Abweichungen vom Normalfall zu erkennen und zu melden.

Straßenverkehr

Mit SRT werden Erhebungen über die Art der Verkehrswegenutzung über einen längeren Zeitraum und mit hoher Datenintegrität ermöglicht. Ein bereits lange im täglichen Einsatz bewährter Verwendungszweck ist die automatische Nummernschilderkennung, die für Mauterhebung und andere Zwecke benutzt wird.

Weitere und künftige Anwendungen

Die Einsatzbereiche der genauen automatischen Erkennung nehmen beständig zu. Segmente wie Lagerhaltung, Marktforschung, Langzeitbeobachtungen, Robotik, Qualitätskontrolle sind nur einige sinnvolle Ergänzungen oder Substitutionen zu herkömmlichen Methoden.

Ergebnis-Genauigkeit

Die Genauigkeit der Erfassung wird von verschiedenen Faktoren beeinflusst. Die Komplexität der Ausgangsbasis des zu analysierenden Sachverhaltes ist mitentscheidend für die Akuratesse. Sie hängt von der Gewissenhaftigkeit der Kalibrierung, der Güte der optischen Sensoren, den zur Verfügung stehenden SRT-Daten und der Abstimmung der Anlagenkomponenten untereinander ab. Bei der Kalibrierung werden beispielsweise dunkle Fußböden oder starke Sonneneinstrahlung aus Erfahrungswerten berücksichtigt. Während die Hersteller, die hochwertige optische Sensoren mit einer oder zwei Erfassungslinsen sowie Prozessoren mit integrierter SRT verwenden, bei einfachen Szenen wie der Personenzählung eine Genauigkeit von mindestens 95% versprechen, erreichen high-end Anlagen in der Praxis oft Werte von bis zu über 97%.

Kompliziertere Szenen wie ganze Landschaften oder Stadtszenen, Wälder unterschiedlichen Bewuchses, gemischte Warenbestände in Supermärkten etc. haben variable Ergebnisse.

Einzelnachweise

Dieser Wikipedia-Artikel wurde, gemäß GFDL, CC-by-sa mit der kompletten History importiert.