Ihmisen havaitsemiseen käytetyt tekoälytekniikat autonomisissa koneissa
Levälehto, Lauri (2024-06-19)
Ihmisen havaitsemiseen käytetyt tekoälytekniikat autonomisissa koneissa
Levälehto, Lauri
(19.06.2024)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2024062457303
https://urn.fi/URN:NBN:fi-fe2024062457303
Tiivistelmä
Tässä kirjallisuuskatsauksessa käydään läpi tekoälytekniikoita, joita voidaan käyttää autonomisissa koneissa ihmisten havaitsemiseen. Havainnointiin voidaan käyttää eri sensoritekniikoita, joista tässä ovat mukana näkyvän valon kamerat, sisältäen stereokamerat, sekä lämpökamerat ja lidar. Eri datatyypeillä on omat vahvuutensa ympäristön ja ihmisen hahmottamiseen, ja vaativat omanlaisensa käsittelyn. Pääosin tunnistuksessa käytetään kuitenkin konvoluutioneuroverkkoja, ja tekoälyyn toteutetaan jollain tasolla muisti.
Lisäksi katsauksessa pohditaan sensoritekniikoiden yhdistämisen mahdollisuutta samaan järjestelmään, millä voidaan mahdollisesti parantaa toimintavarmuutta. Riippuen käyttökohteesta, eri sensoriyhdistelmät voivat olla järkeviä. Todettiin olevan tapoja luoda kamerakuvan pohjalta 3D-avaruus, jolloin siitä saadaan yhteensopiva 3D-dataa tuottavien sensoritekniikoiden kanssa. Lopuksi katsauksessa käydään lyhyesti läpi liikkeenseurantatekniikoita ja todetaan, että jo perinteisen objektinseurannan avulla neuroverkon tunnistustehtävää saadaan helpotettua. Selvisi myös, että koneessa voidaan hyödyntää toiminnantunnistusta (engl. human action recognition), jotta tiedetään mitä ihminen tekee ja osataan päätellä mitä koneen halutaan tehtävän.
Lisäksi katsauksessa pohditaan sensoritekniikoiden yhdistämisen mahdollisuutta samaan järjestelmään, millä voidaan mahdollisesti parantaa toimintavarmuutta. Riippuen käyttökohteesta, eri sensoriyhdistelmät voivat olla järkeviä. Todettiin olevan tapoja luoda kamerakuvan pohjalta 3D-avaruus, jolloin siitä saadaan yhteensopiva 3D-dataa tuottavien sensoritekniikoiden kanssa. Lopuksi katsauksessa käydään lyhyesti läpi liikkeenseurantatekniikoita ja todetaan, että jo perinteisen objektinseurannan avulla neuroverkon tunnistustehtävää saadaan helpotettua. Selvisi myös, että koneessa voidaan hyödyntää toiminnantunnistusta (engl. human action recognition), jotta tiedetään mitä ihminen tekee ja osataan päätellä mitä koneen halutaan tehtävän.