Crowd Control – Einsatz von KI zur Verfolgung von Personendichten

ein Supper & Supper Use Case

Mit zunehmendem Urbanisierungsgrad konzentrieren sich immer mehr Menschen in den Städten. Vor allem Community-Veranstaltungen wie Sportveranstaltungen, Konzerte, Festivals und Konferenzen führen dazu, dass sich Tausende von Menschen auf engstem Raum befinden. Die Verfolgung der Personendichte spielt eine wichtige Rolle für die Sicherheit und das Management von Städten und Einrichtungen.

Ziel dieses Projektes war es, eine künstliche Intelligenz zu entwickeln, die eine schnelle und genaue Schätzung der Anzahl der Personen in verschiedenen Bildern ermöglicht. Dieses Tool kann verwendet werden, um in Echtzeit die Anzahl der Personen und deren Verteilung an überfüllten Orten zu verfolgen.

Die Bilddaten, die für das Training der künstlichen Intelligenz verwendet wurden, bestehen aus 1.198 Bildern, die Menschenmassen darstellen. Insgesamt 330.165 Menschen waren auf diesen Bildern anwesend und ihr Kopf wurde als Trainingslabel markiert.

Die größten Herausforderungen bei der Crowd-Counting-Aufgabe sind die vielen Variationen von Aussehen, Perspektive, Beleuchtung, Crowd-Dichte und Verteilung. In Bezug auf die Leistung (Geschwindigkeit und Genauigkeit) leiden traditionelle KI-Lösungen zur Erkennung von Objekten in Bildern sehr stark, wenn es um die Erkennung von zu vielen Objekten pro Bild geht.

Um das Problem der unterschiedlichen Massendichten und -verteilungen und der hohen Anzahl von Objekten pro Bild anzugehen, wurde ein dichtebasierter Ansatz in Betracht gezogen. Die KI zur Erkennung von Dichte von Menschen arbeitet auf Pro-Pixel-Basis. Zu diesem Zweck wurde eine neuronale Netzwerkarchitektur, genannt CSRNet, implementiert.

Das entwickelte Tool ist in der Lage, die Anzahl der Personen in großen Menschenmengen, die in Bildern dargestellt werden, genau zu schätzen. Dies kann verwendet werden, um eine nahezu zeitnahe Überwachung von Menschenmassen zu ermöglichen.

Das Konzept der Mengenzählung und Dichteabschätzung kann auf eine Vielzahl von Anwendungen erweitert werden. Ein Beispiel ist die Zählung und Schätzung der Pflanzdichte von Nutzpflanzen und Vegetation im Allgemeinen, wenn große Mengen an Pflanz- und Anbauflächen überwacht werden müssen. Der chemische und biologische Bereich hat ebenfalls viele Anwendungsmöglichkeiten, wie z.B. die Zählung und Dichteabschätzung von Zellen oder Bakterien.

Kategorie

→  GEO AI
→  COMPUTATIONAL LIFE SCIENCE
→  Deep Learning Object Detection
→  Computer Vision

Technologien

Deep Learning

Download

Social Sharing

Weitere Use Cases dieser Kategorie