E-Bike Erkennung mit Edge-Hardware
Die Mobilität ist ein wichtiger Faktor sowohl für Handel und Wirtschaft als auch Tourismus. Frequenzen spielen dabei eine wichtige Rolle, um das Interesse in und für eine Region abschätzen zu können, sowie um Maßnahmen für die Verkehrssicherheit planen zu können. Die Bernard Gruppe hat bereits in den vergangenen Jahren Projekte mit Studierenden der FH Kufstein Tirol im Bereich der Mobilität durchgeführt. Bei der jüngsten Zusammenarbeit lautete der Projektauftrag der Bernard Gruppe an die Studierenden, ein automatisches System zur Erkennung und Zählung unterschiedlicher Fahrradtypen (Fahrrad/E-Bike) anhand von Kameraaufnahmen aus Innsbruck zu entwickeln.
Technische Projektumsetzung
Das entwickelte Modell soll künftig an ausgewählten Standorten auf eingebetteten Systemen (z.B. NVIDIA Jetson Nano) laufen und zur Zählung von Fahrrädern bzw. E-Bikes in Echtzeit eingesetzt werden. Die Projektgruppe startete mit einer umfangreichen Literaturrecherche zu leichtgewichtigen Algorithmen für die Objektdetektion und Objektverfolgung. Beim Projektauftrag standen bereits anonymisierte, annotierte Bilddaten zur Verfügung. Zusätzlich lieferte die Bernard Gruppe noch weitere aufgenommene Videos, die im laufenden Projekt in der Software Label Studio manuell klassifiziert und als JSON-Dateien für das Training von Objektdetektionsmodellen exportiert wurden. Mithilfe der bereitgestellten Daten wurden mehrere leichtgewichtige Objektdetektionsalgorithmen trainiert und miteinander verglichen. Aufgrund der guten Performance fiel die Entscheidung letztlich auf ein sogenanntes YOLOv4-Netz, welches zur Klasse des Deep Learning gehört.
Projektübergabe & Ausblick
Die Projektübergabe des ausgearbeiteten Trainings- und Evaluationskonzepts sowie eines dokumentierten, voll lauffähigen Prototyps fand am 18.03.2022 an der FH Kufstein Tirol im Beisein von zwei Repräsentant:innen der Bernard Gruppe statt. Im Rahmen der Übergabe wurde zunächst die Installation und Inbetriebnahme des Prototyps auf einem NVIDIA Jetson Nano demonstriert. Darauf aufbauend wurden zudem die vielfältigen Einstellungsmöglichkeiten des entwickelten Systems unter Verweis auf die mit übergebene Dokumentation erklärt. Die Studierenden hoffen, einen Beitrag geleistet zu haben, damit dieses Modell der KI-basierten Mobilitätszählung für zukünftige Auswertungen von Verkehrsströmen und zur Planung strategischer Maßnahmen eingesetzt werden kann.