Logo des Repositoriums

Auflistung nach Autor:in "Link, Norbert"

1 - 2 von 2
  • Konferenzbeitrag
    Echtzeit Fußgänger-Videoanalyse zur Unterstützung der Simulation des Personenverhaltens
    (INFORMATIK 2010. Service Science – Neue Perspektiven für die Informatik. Band 1, 2010) Majer, Ralph; Link, Norbert; Junker, Olaf; Strauss, Verena
    Die Nutzung von Echtzeitsimulationen, gekoppelt mit Realdaten des Personenverhaltens innerhalb eines öffentlichen Gebäudes, ist ein neuer Ansatz der zur Erhöhung der Sicherheit von Personen in öffentlichen Räumen genutzt werden kann. Um eine realistische Prognose durch die Simulation zu erzielen, ist es notwendig, diese permanent mit der Realität abzugleichen. Hierbei kann eine Videoanalyse die nötigen Daten für die Simulation liefern. Der vorliegende Beitrag erläutert die Ergebnisse und den Aufbau eines Laborversuchs, in welchem dieser neue Ansatz untersucht wurde. Hierbei wurde das Verhalten von Personen in einem Raum durch Videokameras aufgezeichnet und analysiert und die daraus entstandenen Daten der Simulation zur Verfügung gestellt. Die in der Realität und der Simulation gemessenen Passagierflussmengen werden in der Simulation durch einen Simulations-Controller verglichen. Die daraus entstandenen Ergebnisse und Differenzen werden an Stelleinheiten innerhalb der Simulation weitergegeben, die eine Maßnahme einleiten können, um die Passagierflüsse in der Simulation entsprechend denen der Realität anzupassen. Die Ergebnisse zeigen, dass sich die Kurve der Passagierflüsse in der Simulation der Kurve in der Realität annähert, wobei die Simulation eine zeitliche Verzögerung aufweist. Trotzdem bildet sie die Realität in einer angemessenen Form ab. Weiterführende Untersuchungen sollen zeigen, welche zusätzlichen Instrumente eine weitere Annäherung des Passagierflussverhaltens in der Simulation an die Realität ermöglichen können.
  • Textdokument
    Neuromorphic Vision mit Spiking Neural Networks zur Sturzerkennung im betreuten Wohnen
    (INFORMATIK 2021, 2021) Nitzsche, Sven; Pachideh, Brian; Pazmino, Victor; Link, Norbert; Schauer, Christoph; Theurer, Lukas; Haas, Valentin; Marquardt, Philipp; Biniaminov, Sergey; Becker, Jürgen
    Zur schnellen Erkennung von gefährlichen Stürzen in betreuten Wohnsituationen können klassische Kameras kombiniert mit künstlichen neuronalen Netzen (Artificial Neural Networks) verwendet werden. Solche Lösungen haben allerdings eine hohe elektrische Leistungsaufnahme und erfordern daher eine dauerhafte Stromversorgung. Dies macht die Integration in bestehende Räume aufwendig. Im Rahmen des Projekts EmbeddedNeuroVision wird daher eine extrem energieeffiziente Lösung basierend auf neuromorphen Kameras und Spiking Neural Networks erforscht, die die elektrische Leistungsaufnahme um mehrere Größenordnungen senken kann. Die energieeffiziente Verarbeitung schafft neue Möglichkeiten für batteriebetriebene Visionssysteme, die nicht nur im betreuten Wohnen, sondern auch in industriellen und Smart-City-Anwendungen flexibler eingesetzt werden können.