Manuelle Personenzählungen ersetzen durch KI-gestützte Personenzählung auf Edge-Geräten

Gemeinsam mit den IoT-Hardware-Ingenieuren von RapidLab haben wir die KI-Schicht für ein kompaktes Gerät entwickelt, das Personen beim Betreten und Verlassen eines Bereichs automatisch zählt – montiert an Türen in Gebäuden oder an Fahrzeugzugängen in Bussen und Bahnen.

Zwei sich ergänzende KI-Ansätze. Wir haben zwei Varianten des Zählsystems entwickelt, um unterschiedliche Einsatzszenarien abzudecken. Die erste nutzt Daten von Time-of-Flight-Sensoren in Kombination mit Machine Learning auf Zeitreihenmustern – ressourcenschonend und für einfachere Umgebungen ideal. Die zweite setzt auf Videokameras mit Deep-Learning-basierter Computer Vision – robuster in komplexen Szenarien mit hohem Aufkommen, wenn mehrere Personen gleichzeitig vorbeigehen oder die Lichtverhältnisse variieren.

Edge AI – ganz ohne Cloud. Die gesamte KI-Inferenz läuft direkt auf dem Gerät. Es werden weder Video- noch Sensordaten in die Cloud übertragen. Diese Architektur war eine bewusste Entscheidung, getrieben von drei Anforderungen: Echtzeit-Reaktion (keine Netzwerklatenz), Standortunabhängigkeit (funktioniert auch ohne Internetverbindung) und Datenschutz (keine personenbezogenen Videoaufnahmen verlassen das Gerät).

Schnelles Prototyping mit neuronalen Netzwerkarchitekturen. Das Projekt umfasste die Definition von Protokollen zur Datenerfassung, die Analyse von Sensordatenmustern und die schnelle Iteration durch verschiedene neuronale Netzwerkarchitekturen und ML-Ansätze, um die richtige Balance zwischen Genauigkeit und den Rechenanforderungen der Edge-Hardware zu finden.

Kompaktes, skalierbares Format. Das Endprodukt ist ein kleines Gerät, das an nahezu jeder Tür montiert werden kann – ohne Bauarbeiten, ohne Drehkreuze, ohne bauliche Veränderungen. Dadurch wird ein flächendeckender Einsatz an Hunderten von Standorten oder in ganzen Fahrzeugflotten wirtschaftlich tragfähig.