Navigation

Mustererkennung

Am 1.8.2017 startete am Bahnhof „Südkreuz“ in Berlin ein Testlauf für Videoüberwachung mit automatischer Bewegungsmuster- und Gesichtserkennung. Die Kameras sollen dabei  herrenloses Gepäck, das längere Zeit nicht bewegt wird, sowie typische Verhaltensmuster von Taschendieben und Menschen, die beispielsweise auf einer Fahndungsliste stehen, erkennen.1

Diese Technologie basiert auf der automatischen Erkennung von gewissen Mustern. Allgemein ist Mustererkennung heute sehr präsent und findet sogar schon auf unseren Smartphones statt, wenn diese selbstständig die Gesichter unserer Freunde auf Fotos erkennen und den korrekten Namen zuordnen. Damit eröffnet Mustererkennung einige spannende Fragestellungen:

  • Was sind die Muster auf die ein solches System reagiert?
  • Wie erkennt unser Gehirn Gesichter? Und wie funktioniert das am Computer?
  • Was hat die Komprimierung von Bildern, Musik und Text mit Mustererkennung zu tun?

Typische Anwendungsbeispiele sind Gesichts- und Bewegungserkennung, Texterkennung oder Spracherkennung. Als Mustererkennung im Allgemeinen bezeichnet man die Identifikation von Regelmäßigkeiten, Gesetzmäßigkeiten oder sonstigen Ähnlichkeiten in einer Datenmenge. In der Informatik können wir durch das Erkennen solcher Muster Vorhersagen treffen, Regeln aufstellen und allgemeinere Probleme lösen.

Literatur:

  • Theodoridis, S. & Koutroumbas, K. (1999). Pattern recognition. Amsterdam: Elsevier.
  • Murty, M. N. & Devi, V. S. (2015). Introduction to pattern recognition and machine learning. New Jersey: IISc Press.

1 https://netzpolitik.org/2017/ortstermin-am-suedkreuz-die-automatische-gesichtserkennung-beginnt/

Mögliche Themen für die Seminararbeiten

  • Komprimierung: Analytischer Vergleich verschiedener Verfahren und Konzeption und Implementierung eines eigenen Kompressionsalgorithmus.
    Schulz, R. H. (2013). Codierungstheorie: Eine Einführung. Berlin: Springer.
  • Woran erkenne ich manipulierte und „gephotoshoppte“ Bilder? Eine experimentelle Untersuchung.
    Büllesbach, A. (2008). Digitale Bildmanipulation und Ethik. Aktuelle Tendenzen im Fotojournalismus. Köln: Herbert von Halem-Verlag.
  • OCR: Implementierung eines Programms zur Erkennung von Schriftzeichen in Bildern.
    Vorbach, P. (2014). Analysen und Heuristiken zur Verbesserung von OCR-Ergebnissen bei Frakturtexten.
    Wu, V., Manmatha, R. & Riseman, E. M. (1997). Finding text in images. In ACM DL‘97(S. 3-12).
  • Wie erkennt Instagram Gesichter? Konzeption und Implementierung eines eines eigenen Gesichtserkennungsverfahrens.
    Kopf, S. & Oertel, A. (2005). Gesichtserkennung in Bildern und Videos mit Hilfe von Eigenfaces.
    Hjelmås, E. & Low, B. K. (2001). Face detection: A survey. Computer vision and image understanding, 83(3) (S. 236-274).
  • Einer aus 80 Millionen: Wie leicht ist mein Browser identifizierbar? Eine Auswertung.
    Mulazzani, M., Reschl, P., Huber, M., Leithner, M., Schrittwieser, S., Weippl, E. & Wien, F. C. (2013). Fast and reliable browser identification with javascript engine fingerprinting. In Web 2.0 Workshop on Security and Privacy.
  • Entwicklung einer eigenen Codierung und Vergleich mit existierenden Systemen (Barcode, QR-Code)
    Witt, K. U. (2005). Algebraische Grundlagen der Informatik: Strukturen, Zahlen, Verschlüsselung, Codierung. Berlin: Springer.

Voraussetzungen

Was muss ich mitbringen?

  • Grundlegende Programmierkenntnisse
  • Hohes Maß an Eigeninitiative und Eigenverantwortung

Was muss ich nicht (zwingend) mitbringen?

  • Erfahrung mit Bilderverarbeitungssoftware