Ziel der Helmholtz Nachwuchsgruppe “ARIADNE - Aerial Imagery Analytics by Deep Neural Networks” ist die Verbesserung von Mobilität und öffentlicher Sicherheit durch automatisierte Luftüberwachung von Verkehr und großen Personenansammlungen. Im Projekt sollen neuartige Algorithmen des maschinellen Sehens entwickelt werden, die auf mächtigen Methoden des Deep Learnings basieren.
Hierdurch wird das Projekt Fortschritte bei der Analyse und beim Verstehen von Verkehr, Infrastruktur und Massenveranstaltungen durch Luftaufnahmen ermöglichen. Herkömmliche Bildverarbeitungsmethoden der Fernerkundung sind mit der rasant wachsenden Quantität und Qualität der Daten von luft- und satelliten-basierten Sensoren überfordert, doch Deep Neural Networks haben gerade aufgrund solch großer Datenmengen bahnbrechende Resultate im maschinellen Sehen erzielt und versprechen daher nun, die semantische Lücke in der Luftaufnahmenauswertung zu schließen.
Die Nachwuchsgruppe entwickelt deswegen innovative Algorithmen des Maschinellen Sehens, um sich neuartigen Problemen in der Luftvideoanalyse zu widmen. Hierzu gehören z.B. das hochaufgelöste Verstehen und die Klassifikation des Verhaltens von Menschenmengen bei Massenveranstaltungen, die genaue Segmentation und Kartierung von Straßeninfrastruktur sowie die exakte Lokalisation und Verfolgung von Individuen im Verkehr und in Menschenansammlungen. Die entwickelten Methoden sind direkt auf eine Reihe von drängenden gesellschaftlichen Problemen anwendbar wie der Überwachung von Katastrophenlagen, Sicherheit bei Großveranstaltungen und Verkehrsflussüberwachung und Sicherheit für nachhaltige Mobilität.
Links: Luftaufnahme der Bauma 2016 in München, Deutschland, mit den Annotationen zu Einzelpersonen (rot markiert). Rechts: Für den Bildausschnitt einer Menschenmenge (oben, gelber Rahmen im Luftbild) zeigen wir die manuell erstellte Dichtekarte mit Personenstandorten (Mitte), sowie die vorhergesagte Dichtekarte (unten) mit geschätzten Personenerkennungen.