top of page
Springen zu:

|

Integrierte Anwendungen für Videoüberwachung für Smart Cities mit IoT und Edge Computing: VGuard
Über Videoüberwachung

Videoüberwachungstechnologie ist zu einem grundlegenden Werkzeug für Sicherheit geworden, wie z. B. Verkehrsüberwachung, Überwachung von Innenräumen und Verfolgung von Verbrechen und Gewalt. Mit der raschen Zunahme der Nutzung dieser Systeme steigt jedoch die Menge an Videodaten dramatisch an. Dies überlastet wiederum die Hardware-Ressourcen und das Netzwerk, um diese Daten zu speichern und zu übertragen. In unglücklichen Fällen ist es nicht möglich, das gesamte Filmmaterial der Kameras zu analysieren, um aussagekräftige Informationen in angemessener Zeit zu extrahieren. Hier steigen die Anforderungen an eine automatisierte Videoverarbeitung und -analyse in Echtzeit, die kameraseitig durchgeführt werden.

Unser Ziel

Ziel des Projekts ist die Entwicklung eines Prototyps für ein komplettes intelligentes Videoüberwachungssystem für Smart Cities, das in die NHANC-FalconEye Situation Awareness Solution integriert werden soll.

  • Gesichertes IoT-Gerät, das direkt an die Ãœberwachungskameras angeschlossen wird, um Videoanalysen auf hohem Niveau durchzuführen. 

  • Cloudbasierte Web- und mobile Anwendungen für Mitarbeiter der Stadtverwaltung, Stadtbesitzer und Stadtbewohner.

  • Wissenschaftlicher Beitrag und Veröffentlichungen in renommierten Fachzeitschriften oder Konferenzen.

Dieser Vorschlag basiert auf (PRP CFP174 – Embedded Video Surveillance based on IoT & ML for Smart City 2021).

Outsourcing

Fixed Term
Agreement

 Hand-in-Hand
Agreement

Where you pay a fixed amount for a clear well-specified outcome in a well-defined duration.
Where we dedicate a team for your project, you assign the tasks to the team and we supervise the progress and provide a revised outcomes.

Full Control
Agreement

Here we help you to select the best members for the team. The team will work directly & completely for your side. We help in recruitment and hosting.

Herausforderungen

Im vorherigen Projekt haben wir eine Vielzahl von Algorithmen getestet, die für eine intelligente Videoüberwachung ausgelegt sind. Wir haben auch die Integration einiger dieser Algorithmen mit eingebetteten Systemen wie Raspberry Pi getestet. In dem vorgeschlagenen ARP-Projekt zielen wir darauf ab:

​

  1. Optimieren Sie weitere Algorithmen, die auf Raspberry Pi implementiert werden sollen

  2. Integrieren Sie diese Algorithmen zusammen und mit einem Steuerungssystem

  3. Verbessern Sie die Genauigkeit und Leistung dieser Algorithmen, um die Benutzerakzeptanz und Echtzeitergebnisse zu erreichen (hauptsächlich durch den Einsatz von föderiertem Lernen).

  4. Anpassen der Algorithmen für (a) Innen- und (b) Außenszenen. Nach unseren Beobachtungen benötigt jeder Szenentyp spezielle Einstellungen. 

  5. Präzisere Algorithmen speziell für die Erkennung von Aktionen und der Wiedererkennung von Personen.

  6. Schlagen Sie neue Algorithmen vor: 

    1. Vorverarbeitung: Superauflösung von Bildern, Entgraten, Beleuchtung und Nachtsicht

    2. Gesichtserkennung des Fahrzeugführers

    3. Audiobasierte Erkennung abnormaler Aktionen

    4. Personen-/ereignisbasierte Zusammenfassung aus mehreren Kameras. 

  7. Schlagen Sie ein Sicherheitssystem auf Edge- und Cloud-Ebene vor, das Benutzerauthentifizierung und -autorisierung, Verschlüsselung und Trojaner-Erkennung umfasst  

bottom of page