Logo des Repositoriums
 
Textdokument

Neuromorphic Vision mit Spiking Neural Networks zur Sturzerkennung im betreuten Wohnen

Zusammenfassung

Zur schnellen Erkennung von gefährlichen Stürzen in betreuten Wohnsituationen können klassische Kameras kombiniert mit künstlichen neuronalen Netzen (Artificial Neural Networks) verwendet werden. Solche Lösungen haben allerdings eine hohe elektrische Leistungsaufnahme und erfordern daher eine dauerhafte Stromversorgung. Dies macht die Integration in bestehende Räume aufwendig. Im Rahmen des Projekts EmbeddedNeuroVision wird daher eine extrem energieeffiziente Lösung basierend auf neuromorphen Kameras und Spiking Neural Networks erforscht, die die elektrische Leistungsaufnahme um mehrere Größenordnungen senken kann. Die energieeffiziente Verarbeitung schafft neue Möglichkeiten für batteriebetriebene Visionssysteme, die nicht nur im betreuten Wohnen, sondern auch in industriellen und Smart-City-Anwendungen flexibler eingesetzt werden können.

Beschreibung

Nitzsche, Sven; Pachideh, Brian; Pazmino, Victor; Link, Norbert; Schauer, Christoph; Theurer, Lukas; Haas, Valentin; Marquardt, Philipp; Biniaminov, Sergey; Becker, Jürgen (2021): Neuromorphic Vision mit Spiking Neural Networks zur Sturzerkennung im betreuten Wohnen. INFORMATIK 2021. DOI: 10.18420/informatik2021-103. Gesellschaft für Informatik, Bonn. PISSN: 1617-5468. ISBN: 978-3-88579-708-1. pp. 1247-1253. Workshop: Künstliche Intelligenz für kleine und mittlere Unternehmen (KI-KMU 2021). Berlin. 27. September - 1. Oktober 2021

Zitierform

Tags