Durch die rasanten Entwicklungen im Bereich der Künstlichen Intelligenz (KI) und dem Maschinellen Lernen (ML) in den letzten Jahren können inzwischen vielfältige Aufgaben automatisch durch technische Systeme übernommen werden, von denen man annahm, dass sie einer menschlichen Intelligenz bedürfen. Eine derartige Aufgabe ist die Erfassung und Erkennung menschlicher Posen beim Einsatz entsprechender Sensorik. Für diese Aufgabe trainierte Neuronale Netze können Sensorframes bzw. -streams binnen weniger Millisekunden auswerten, die Position charakteristischer Punkte (Key Points) von Personen berechnen und daraus ableiten, in welcher Pose ein Mensch sich befindet bzw. wie er sich bewegt.

Das Projekt PODAI hat zum Ziel, ein neuartiges Verfahren zur vollautomatischen Lerndatensatzgenerierung zu entwickeln, das die beschriebenen Nachteile einer manuellen Annotation nicht aufweist. Es soll somit ein Verfahren konzeptioniert, implementiert und validiert werden, welches einfach skalierbar mit minimalem Zeitaufwand akkurate, reproduzierbare und objektive Annotationsdaten für Key Points erstellt.

Teilprojekte der beteiligten Projektpartner:

FusionSystems GmbH: Entwicklung und Funktionsnachweis eines Verfahrens zur automatischen Aufbereitung von Videorohdaten zu Lerndaten für die Erkennung von Körperposen

ICM e.V.: Entwicklung eines Verfahrens zur automatischen Generierung von Multisensor-Rohdaten für KI-basierte Multi-view 3D Human Pose Estimation (M3DHPE)