Osamu Mitsumura, Produktmanager bei Panasonic Industry Europe, erklärt: „Die Kenntnis des Aufenthaltsorts von Personen ist der Schlüssel zur Gestaltung intelligenter Räume. Branchen wie Einzelhandel, Gastgewerbe und Gesundheitswesen wollen heute die Nutzung ihrer Gebäude verstehen und optimieren. Auch die Beleuchtungsbranche konzentriert sich zunehmend auf die Schaffung personalisierter Raumatmosphären. Die Pandemie hat zudem die Bedeutung des Managements stark frequentierter oder beengter Räume wie Büros oder öffentlicher Toiletten verdeutlicht. Skalierbarkeit und Kosteneffizienz waren schon immer die wichtigsten Ziele von Lösungen zur Personenerfassung und -zählung. Grid-EYE 90° bietet beides.“
Bisher wurde Grid-EYE in verschiedenen Anwendungen eingesetzt, in denen absolute Temperaturwerte zur Erkennung von Hotspots in intelligenten Küchen oder wärmeren Bereichen in Räumen für intelligente Klimaanlagen genutzt wurden. Gleichzeitig eignet sich Grid-EYE hervorragend für Personenzählungs- und Tracking-Anwendungen. Innovative Produktentwickler haben Grid-EYE 60° als kostengünstige Alternative zu kamerabasierten oder drahtlosen Lösungen verwendet.
Die neue Grid-EYE-Variante basiert auf Panasonics umfassender Expertise in innovativen Sensortechnologien. Das neue 90°-Weitwinkelobjektiv erweitert das Sichtfeld von Grid-EYE und verbessert damit die Sichtfelder der Vorgängermodelle von 36° und 60°. Mit der Einführung von Grid-EYE 90° können Systementwickler die Infrarotsignatur eines größeren Bereichs erfassen und benötigen somit weniger Sensoren zur Abdeckung einer bestimmten Zone. Dies macht ihn zur idealen Wahl für die Steigerung der Effektivität von Personenzähl- und Tracking-Geräten.
Niedrigauflösende Infrarottechnik und Maschinelles Lernen: Ein neuer Ansatz für Zählen und Verfolgen.
Die erfolgreiche Datenerfassung mit Grid-EYE ist nur der erste Schritt zu einer erfolgreichen Personenzählung. Verschiedene Techniken können eingesetzt werden, um die Sensordaten auszuwerten. Standardmäßige Signalverarbeitungsalgorithmen funktionieren gut, stoßen aber bei Infrarotsensoren an ihre Grenzen. Im Gegensatz zu Geräten im sichtbaren Spektrum, bei denen die Datenqualität eindeutig ist, können Infrarotsignale in Geräten, insbesondere solchen mit niedriger Auflösung wie Grid-EYE, die sehr störanfällig sind, schwierig zu handhaben sein. Alltägliche Faktoren wie eine heiße Tasse Kaffee, ein offenes Fenster oder ein überhitzter Computer, die im sichtbaren Spektrum keine Rolle spielen, stellen im Infrarotbereich enorme Herausforderungen dar. Dies macht die Algorithmenentwicklung deutlich komplexer.
Eine Möglichkeit, dieses Problem zu lösen, ist der Einsatz von Maschinellem Lernen (ML). Maschinelles Lernen ist ein Teilgebiet der Künstlichen Intelligenz (KI), das die Verwendung selbstlernender neuronaler Netze zur Ableitung von Schlussfolgerungen aus Eingangsdaten betont. Das neuronale Netz kann anhand bekannter und annotierter Daten trainiert werden, um ein Modell für Maschinelles Lernen zu entwickeln, das anschließend im Feld eingesetzt werden kann. Dadurch können neuronale Netze von komplexen Aufgaben entlastet werden, die zuvor maßgeschneiderte Algorithmen und teure Hardware erforderten.
Zusammenarbeit mit der CN Group zur Datenerfassung:
Ein leistungsstarkes Machine-Learning-Modell lässt sich nur durch das Training mit einem hochwertigen Datensatz erstellen. Im Gegensatz zu gängigeren Anwendungen wie Computer Vision, wo bereits umfangreiche Datensätze verfügbar sind, verfügen Sensoren wie Grid-EYE typischerweise über keine solchen Datensätze. Um diese Lücke zu schließen, hat Panasonic eine Zusammenarbeit mit der CN Group, einem Softwareunternehmen von Ciklum, begonnen. Die CN Group verfügt über Expertise in verschiedenen Bereichen, darunter mechanische Konstruktion, Hardware und Software für eingebettete Elektronik, Machine Learning und IoT. Mithilfe eines Hardware-Setups, bestehend aus einem Grid-EYE-Sensor und einer Kamera, erstellt die CN Group Datensätze mit visuellen und thermischen Informationen einer beobachteten Szene. Mithilfe von Computer-Vision-Verfahren werden die Datensätze automatisch annotiert, sobald Personen im Sichtfeld der Kamera erkannt werden. Der Beitrag der CN Group zur Erstellung von Datensätzen mit schnellen Annotationen eröffnet vielfältige Möglichkeiten zur Erstellung maßgeschneiderter thermischer Datensätze für jeden beliebigen Ort: Besprechungsräume, Treppenhäuser usw. Panasonic und die CN Group sind überzeugt, dass diese Zusammenarbeit die Entwicklung maßgeschneiderter Systeme für maschinelles Lernen zur Verfolgung und Zählung von Personen mithilfe von Grid-EYE ermöglichen wird.
