Forschungskooperationen – Siemens Corporate Research

Siemens Corporate Research in Princeton kooperiert mit weltweit führenden Universitäten – unter anderem auf dem Gebiet der Bildverarbeitung. Am Ende profitieren alle: die Universitäten, die Siemens-Forschung und die Bereiche sowie die Studenten, von denen etliche bei Siemens ihren neuen Arbeitgeber finden.

Viele Einrichtungen – ob Militärstützpunkte oder U-Bahnen – haben zwar Hunderte von Kameras installiert, aber vergleichsweise wenig Sicherheitspersonal. Die Folge: Es steigt der Bedarf an qualitativ hochwertigen Bildern, die automatisch ausgewertet werden müssen. Dieser Trend wird von Siemens Corporate Research (SCR) in Princeton, New Jersey, genau verfolgt. Die dortige Abteilung "Real-Time Vision and Modeling Technology" ist auf dem Gebiet der maschinellen Bildverarbeitung ein Kompetenzzentrum von Weltrang (siehe auch Beitrag Sehen und Verfolgen in Pictures of the Future, Frühling 2003).

Die SCR-Experten unterhalten enge Beziehungen zu Top-Universitäten in den USA und Europa, denn auch an den Hochschulen wird immer zielorientierter geforscht. "Mitte der 90er Jahre waren unsere Kooperationen mit Universitäten noch rein akademischer Natur", erläutert Dr. Ramesh Visvanathan, Leiter der Abteilung Real-Time Vision. "Heute analysieren wir zunächst mit den Siemens-Bereichen die Kundenwünsche. Dann sprechen wir gezielt Top-Universitäten an und entwickeln spezielle Forschungsprojekte, um in dieser Richtung voranzukommen. Unsere Gelder sind damit definitiv besser investiert als je zuvor."

Gesichter einfangen. Eines der Forschungsprojekte, das SCR mit Universitäten erfolgreich auf den Weg gebracht hat, ist die Videoüberwachung mit mehreren Kameras, die Menschen beobachten, sie verfolgen und auf ihre Gesichter zoomen können. Für einen Teil des Projektes war Dr. Michael Greiffenhagen verantwortlich, der an der Universität Erlangen promoviert und vier Jahre bei SCR gearbeitet hat. "Mein Job war ein gutes Beispiel, wie solche Kooperationen zwischen Siemens und Universitäten ablaufen", erinnert sich Greiffenhagen, der heute beim Siemens-Bereich Information and Communication Networks tätig ist. "Mein Professor schätzte meine Arbeit bei SCR, wo mich Ramesh betreute, sehr hoch ein. Es war die richtige Mischung aus Grundlagenforschung und praktischer Umsetzung."

Inhaltlich ging es darum, die Stabilität von Algorithmen zu analysieren, die benutzt werden, um in Videobildern Menschen zu lokalisieren und mit Hilfe intelligenter Zoom-Einstellungen unter verschiedenen Lichtverhältnissen Bilder ihrer Gesichter zu erstellen. Mit Greiffenhagens System lässt sich z.B. eine Person so präzise lokalisieren, dass eine zweite Kamera auf ihr Gesicht zoomen kann. "Dank des Projektes wissen wir nun genauer, wie Videoüberwachungssysteme für die Praxis ausgelegt werden sollten. Das hat wiederum Auswirkungen auf unsere Produkte für die Verkehrsüberwachung", sagt Visvanathan.

Grenzenlose Tiefenschärfe. Yanghai Tsin schreibt eine Doktorarbeit über Robotertechnik an der Carnegie Mellon Universität (CMU) in Pittsburgh, Pennsylvania. Seit 1999 arbeitet er bei SCR an Projekten, die alle eines gemeinsam haben: Sie befassen sich mit statistischen Modellen des Bildentstehungsprozesses, um physikalisch fundiertere Videoüberwachungssysteme realisieren zu können.

Jeder, der schon einmal mit verschiedenen Blendenöffnungen Fotos ein und derselben Szene gemacht hat, weiß, dass die Blende die Tiefenschärfe und Detailgenauigkeit der Aufnahme bestimmt. Mit einer weit offenen Blende kommt es leicht zu Überbelichtungen, aber man erhält auch mehr Details in Bildbereichen, die nur schlecht ausgeleuchtet sind. Umgekehrt bei geschlossener Blende, die wiederum mehr Tiefenschärfe bietet. Wäre nun eine Kamera in der Lage, jede Aufnahme mit unterschiedlichen Blenden zu machen und die Aufnahmen mit den besten Lichtverhältnissen in einem einzigen Bild zu vereinen, wäre es technisch möglich, eine unbegrenzte Menge von Details abzubilden und das gesamte Bild scharf zu bekommen.

Diese Idee steht hinter Tsins Konzept des "high dynamic range image". Unter der Betreuung von Prof. Takeo Kanade von der CMU und Ramesh Visvanathan kombiniert er harte Wissenschaft mit faszinierenden wirtschaftlichen Aspekten. Bei den "Bildern mit hoher Dynamik" konzentriert sich Tsin auf die Entwicklung eines statistischen Kameramodells, mit dessen Hilfe er das entstehende Bild genauso wie die Schwankungsbreiten präzise vorhersagen kann. Darüber hinaus hat er eine Methode entwickelt, um viele Aufnahmen einer schwenkbaren Kamera aneinanderzureihen. Auf diese Weise erhält er z.B. extrem detailgenaue Panorama-Aufnahmen von einem großen Areal wie etwa einem Parkplatz (Bild oben). Damit ließe sich eine Überwachungstechnologie entwickeln, die große Flächen beobachtet, nie von Reflexionen geblendet wird und kein Ereignis verpasst, egal wie stark der Kontrast oder wie unterschiedlich die Lichtverhältnisse sind.

Eine Win-Win-Situation. "Die Arbeiten von Studenten wie Greiffenhagen und Tsin bewegen sich an vorderster Front der Forschung", sagt Visvanathan. "Und jeder Beteiligte – ob Student, Universität, SCR oder der involvierte Geschäftsbereich von Siemens – hat etwas von solchen gemeinsamen Projekten. Am Ende wissen alle besser, wie sie die ursprünglichen Probleme lösen können."

SCR plant etwa 3 bis 4 % seiner Gelder für Kooperationen mit Universitäten ein. Zu einem Projekt gehören meist ein bis zwei Professoren und ein bis zwei Studenten. Viele Vorhaben konnten bereits erfolgreich abgeschlossen werden, etwa mit der Universität von Rochester im Staat New York. Dort arbeitete ein Student an der Rekonstruktion von 3D-Bildern aus Videodaten. Oder mit Studenten der Lehigh Universität in Bethlehem, Pennsylvania, die erforschten, wie sich die Leistung von Videoanalysesystemen messen lässt. Bei einer weiteren Kooperation mit der Universität in Princeton lag der Schwerpunkt auf der Theorie der Mustererkennung.

Zur Zeit laufen ähnliche Projekte mit der Columbia University in New York, der Brown University in Providence, Rhode Island, der University of Maryland und der Michigan State University. "Zahlt sich all das für Siemens aus?" fragt Visvanathan, der bei seiner eigenen Doktorarbeit durch ein IBM-Stipendium unterstützt wurde. Er gibt sich gleich selbst die Antwort: "Auf jeden Fall, da wir so mit moderaten Kosten an vorderster Front der Forschung sind. Ist es aber auch gut für die Studenten? Absolut, denn sie erhalten Einblick in die Gesamtzusammenhänge und können Probleme aus der Praxis lösen. Mehrere von ihnen haben sich am Ende ihrer Doktorarbeit entschlossen, bei SCR zu arbeiten. Ich denke, das spricht für sich."

Arthur F. Pease