Das Projekt erforscht und entwickelt ein automatisches Gefahrenerkennungssystem zur Erhöhung der Sicherheit bei Sesselliften. Es handelt sich um ein System, das kritische Situationen, wie z. B. das Herunterfallen von Personen, in Echtzeit erkennt und den Lift sofort anhält. Dies hat zum einen den gesundheitlichen Nutzen, dass die Fahrgäste sicherer fahren, und zum anderen den wirtschaftlichen Nutzen, dass die Skigebiete die Aufmerksamkeit ihrer Mitarbeiter auf die körperliche Betreuung der Fahrgäste richten können, während sie gleichzeitig mit der höchstmöglichen Kapazität arbeiten können.
Das Ziel ist die Überwachungsleistung auf menschlichem Niveau zu übertreffen, indem Erkennungen aus mehreren Ansichten zusammengeführt werden. Menschen haben eine unübertroffene Fähigkeit, Szenen zu verstehen, selbst wenn ihre Sicht teilweise versperrt ist. Ein Vorteil, den ein Computersystem ausnutzen kann, ist, dass es seine 'Augen' überall hat, indem es die Szene durch mehrere Kameras betrachtet. Das Ergebnis ist eine Methode, die Körperhaltung der Passagiere in jeder Ansicht separat zu erkennen, die Erkennungen zuzuordnen und eine konsolidiertes Bewegungsmodell im dreidimensionalen Raum zu erstellen.
In order to monitor safe boarding and exiting of ropeway systems multiple depth sensors observe the critical areas from a number of camera angles. Detection networks identify passengers as well as their poses as a starting point for classification of dangerous situations. This project aims at combining the detections of people from different viewpoints as well as corresponding depth information for their global localization including human skeleton joints in a fixed three-dimensional reference frame. The focus lies on a robust estimation regardless of occlusions in one or more camera views, as well as real-time execution.
Last updated:17.06.2022
