OEM & Lieferant Ausgabe 2/2019 - OEM & Supplier 2/2019 by VEK Publishing

16 Engineering Partner Deep Learning bei Fahrassistenzsystemen Unfallrisiko durch Ablenkung am Steuer: Bildbasiertes CNN-System erkennt automatisch die Nutzung von Mobiltelefonen und den Verzehr von Lebensmittel Von Annika Mahl, Marketing Officer/Public Relations, ARRK Engineering Nach einem Bericht der Weltgesundheitsorganisation (WHO) sterben jedes Jahr etwa 1,35 Mio. Menschen bei Verkehrsunfällen und weitere 20 bis 50 Mio. werden verletzt. Eine der Hauptursachen ist die Unachtsamkeit am Steuer, weswegen viele Automobilhersteller bereits Fahrassistenzsysteme zur Erkennung von Müdigkeit nutzen. Doch nicht nur Sekundenschlaf verursacht viele Unfälle, auch das Telefonieren und Schreiben von Textnach- richten mit dem Smartphone oder der Verzehr von Lebensmitteln während der Fahrt stellen ein hohes Risiko dar. Bisherige Assistenzsysteme können diese Tätigkeiten noch nicht identifizieren. ARRK Engineering hat daher eine Testreihedurchgeführt, umAblenkungendurchMobiltelefoneoderNahrungsaufnahme automatisch zuerkennenund zu kategorisieren. Dazu wurden Bilder mit Infrarotkameras aufgenommen und für das maschinelle Anlernen von unterschiedlichen Convolutional Neural Network-Systemen (CNN) verwendet. So konnte die Grundlage für einen Fahrassistenten geschaffen werden. Seit einigen Jahren kommen in der Auto- mobilindustrie Systeme zum Einsatz, die bei auftretender Müdigkeit warnen. Dafür ana- lysieren die Fahrassistenten die Blickrich- tung des Fahrers und erkennen automatisch Abweichungen vom üblichen Verhalten am Steuer. „Existierende Warnsysteme können nur bestimmte Gefahrensituationen richtig erfassen“, berichtet Benjamin Wagner, Se- nior Consultant für Fahrassistenzsysteme bei ARRK Engineering. „Denn bei Tätigkeiten wie Essen, Trinken oder Telefonieren wird die Kopfhaltung kaum verändert, da der Fahrer weiter auf die Straße vor sich schaut.“ Des- wegen hat ARRK Engineering eine Versuchs- reihe zur Identifikation von unterschiedlichen Körperhaltungen durchgeführt, um die Nut- zung von Mobiltelefonen und den Verzehr von Lebensmitteln automatisch zu erkennen. Damit alle Arten von visueller, manueller und kognitiver Ablenkung korrekt erfasst werden, testete ARRK Engineering verschiedene Deep Learning Modelle und trainierte sie mit den ermittelten Daten. Erstellung des ersten Bilddaten- satzes zum Anlernen der Systeme Für den Versuchsaufbau wurden in einem Testwagen zwei Kameras mit aktiver Infra- rotbeleuchtung jeweils links und rechts des Fahrers an der A-Säule installiert. Beide Ka- meras verfügten über eine Frequenz von 30Hz und lieferten 8-Bit-Graustufenbilder mit einer Auflösung von 1.280 x 1.024 Pixeln. „Die Ka- meras waren mit einem IR-Langpassfilter aus- gestattet, um den größten Teil des Lichts aus dem sichtbaren Spektrum mit einer Wellen- länge unter 780 nm zu blockieren“, soWagner. „Dadurch stellten wir sicher, dass das empfan- gene Licht hauptsächlich von den IR-Strahlern Nicht nur Müdigkeit verursacht viele Unfälle, auch das Telefonieren mit dem Smartphone oder der Verzehr von Lebensmitteln während der Fahrt stellen ein hohes Risiko dar. ARRK Engineering ist Teil des internationalen ARRK Firmenverbundes und spezialisiert auf sämt- liche Leistungen rund um die Produktentwicklung. Mithilfe von Kompetenzen in Elektronik & Soft- ware, CAE & Simulation, Material, Akustik, Composite, Karosserie, Antrieb, Fahrwerk, Interieur & Exterieur, Optische Systeme, Passive Sicherheit und Thermomanagement entwickelt das Unternehmen als langjähriger strategischer Entwicklungspartner ganzheitlich und eigenver- antwortlich Produkte. Zusammen mit den ARRK Schwesterunternehmen werden diese Produktent- wicklungen von der virtuellen Entwicklung bis hin zum Prototypen und der Produktion in Kleinserien umgesetzt. Die Standorte der weltweit tätigen ARRK Engineering Division liegen in Deutschland, Rumänien, UK, Japan und China. Das Headquarter der Engineering Division ist die P+Z Engineering GmbH in Deutschland; ARRK Engineering be- schäftigt über 1.200 Mitarbeiter. ARRK Engineering Bild: © Dusan Petkovic/shutterstock.com