Erweiterung des Skelett-Trackings zur Aktivitätserkennung von Fußgängern um eine Objektdetektion zur Filterung fehlerhafter Schätzungen
Fußgänger sind im Straßenverkehr die schwächsten Verkehrsteilnehmer und trotz der technologischen Entwicklung sind die Zahlen der verletzten sowie getöteten Fußgängern in den letzten Jahren nahezu konstant geblieben. Als Unfallursache handelt es oft um Fehlverhalten sowohl der Fußgänger, welche unbedacht die Straße überqueren aber auch von den Fahrern und Fahrerinnen, welche Situationen falsch einschätzen oder die Person übersehen. Um dies zu ändern müssen Detektion und Warnsysteme fähig sein den Weg und die Intention der Fußgänger vorherzusagen.
Um die Intention von Fußgängern vorherzusagen, können Methoden des Skelett-Trackings verwendet werden, da diese Aufschlüsse über aktuelle und nachfolgende Aktivitäten der Personen geben können. Jedoch besitzen herkömmliche Methoden Einschränkungen bei dem Tracking von Personen auf Daten welche für die Forschung am automatisierten Fahren verwendet werden. Dabei werden teilweise Skelette in Objekten, wie beispielsweise Straßenschilder oder Teile von Gebäuden erkannt
Um dieser Schwäche entgegenzuwirken kann eine zusätzliche Personen-Detektion mittels neuronalen Netzen erfolgen um fehlerhafte Skelette herauszufiltern.