ID2355: Auswertung von Radardaten zur Personen- und Objekterkennung mittels KI-Netzen (Kooperation mit Enertex Bayern GmbH)

Master’s thesis

Hintergrund

Im Rahmen des Forschungsprojekts „KOSIR“ wurden Radardaten für eine KI-basierte Auswertung aufgezeichnet. Dazu wurde ein Messstand erstellt, der einen Radarsensor im 60 GHz-Band und zwei Microsoft Azure Kinect-Kaberas enthält. Mit Hilfe der Kameras wurden Radardaten in Form von kleinen Punktwolken automatisch gelabelt, so dass bereits ein umfangreicher Satz an Trainingsdaten vorliegt. Das vorhandene Framework ermöglicht es verschiedene Aufzeichnungsparameter offline bzw. virtuell anzupassen. Damit können neue speziell angepasste Trainingsdaten automatisch generiert werden, ohne dass neue Aufzeichnungen erstellt werden müssen.

Mit Hilfe von Algorithmen des maschinellen Lernens sollen diese Radardaten verarbeitet werden. Das Ziel ist es, mit den Radardaten eine Personenerkennung im geschlossenen Raum zu erreichen. In einem Raumkubus von ca. 0.7 … 1,5 m Kantenlängen soll mit diesem KI Netzwerk die Lokalisierung von Bewegungen möglich werden. Abhängig von den gewählten Aufzeichnungsparametern kann die mögliche Kantenlänge des Raumkubus und damit die Genauigkeit der Erfassung variieren.

Als Start der Entwicklung dient das Random Forest Netzwerk, dessen Ausgangsgrößen mit voll vernetzen Neuronen (MLP) kombiniert werden soll. Die Entwicklung von diesem KI Netz und dessen möglichen Paramertervariationen bzw. von Modifikationen des Netzes mit und ohne MLP, sowie der Einfluss der Aufzeichnungsparametern auf die Ergebnisse des KI Netzes soll untersucht werden.

Die Programmiersprache der Umsetzung ist Python.

Betreuer

Daniel Krauß, M. Sc.

Researcher & PhD Candidate

Dr.-Ing. Michael Schuster

Enertex Bayern GmbH

Lukas Engel

Lehrstuhl für Hochfrequenztechnik