Masterarbeit (w/m/d) - Drohnen-Tracking - Anwendungsentwicklung, Forschung, Ingenieur

Das Institut f r den Schutz terrestrischer Infrastrukturen widmet sich seit seiner Gr ndung im Jahr 2019 dem Schutz und der Sicherheit kritischer Infrastrukturen.

Wir entwickeln Konzepte, Verfahren und Technologien, die die Widerstandsf higkeit (Resilienz) von Organisationen und Systemen st rken und verbessern.

Dabei haben wir sowohl den Menschen, die Technik als auch das Gesamtsystem im Blick.

Die zunehmende Verbreitung ziviler und kommerzieller Drohnen stellt den Schutz kritischer Infrastrukturen vor wachsende Herausforderungen.

Kamerabasierte Verfahren bieten f r die Detektion und Verfolgung solcher Systeme einen vielversprechenden Ansatz, da sie passiv arbeiten, vergleichsweise kosteng nstig sind und sich in bestehende Sicherheitsarchitekturen integrieren lassen.

W hrend Deep-Learning-basierte Verfahren deutliche Fortschritte in der einzelbildbasierten Drohnendetektion erm glicht haben, bleibt eine konsistente Detektion in aufeinanderfolgenden Frames unter realistischen Einsatzbedingungen anspruchsvoll.

Ursachen hierf r sind insbesondere geringe Objektgr en, schnelle Bewegungen, tempor re Verdeckungen, komplexe Hintergr nde und visuell hnliche St robjekte.

Eine zuverl ssige Detektion in jedem Einzelbild ist unter realistischen Einsatzbedingungen nicht durchg ngig gew hrleistet.

Daher sind Verfahren erforderlich, die ein Ziel nach der initialen Erfassung auch bei tempor ren Detektionsausf llen stabil weiterverfolgen.

Moderne Tracking-Ans tze umfassen ein breites methodisches Spektrum, das von etablierten Tracking-by-Detection-Verfahren wie SORT und ByteTrack bis hin zu transformerbasierten Architekturen reicht.

Ziel der Masterarbeit ist die vergleichende Evaluation dieser Ans tze im Kontext der kamerabasierten Drohnendetektion, insbesondere hinsichtlich der zuverl ssigen Fortf hrung des Trackings ausgehend von initialen Detektionen.

Bewertet werden Tracking-Leistung, Robustheit gegen ber tempor ren Detektionsausf llen, Rechenaufwand und Echtzeitf higkeit unter realit tsnahen Einsatzbedingungen.

Das erwartet dich Du bearbeitest eine aktuelle Forschungsfrage an der Schnittstelle von Computer Vision, Deep Learning und sicherheitskritischen Anwendungen.

Im Mittelpunkt steht folgende Forschungsfrage: Wie robust und recheneffizient k nnen Drohnen in urbanen berwachungsszenarien auf Grundlage einer oder weniger initialer Detektionen verfolgt werden, und wie unterscheiden sich Tracking-by-Detection-Verfahren und transformerbasierte Ans tze hinsichtlich Tracking-Leistung, Robustheit und Echtzeitf higkeit? Deine Aufgaben Einarbeitung in den Stand der Technik zur kamerabasierten Drohnendetektion sowie zu Multi- und Single-Object-Tracking (insbesondere Tracking-by-Detection-Verfahren sowie transformerbasierte Ans tze) Auswahl, Aufbereitung und ggf.

Annotation geeigneter Videodatens tze sowie Definition realistischer Evaluationsszenarien inkl.

Verdeckung und St robjekten Entwurf und Implementierung einer modularen Detect-then-Track -Pipeline, die auf initialen Detektionen aufsetzt und das Tracking eigenst ndig fortf hrt Integration und vergleichende Evaluation repr sentativer Tracking-Verfahren beider Paradigmen Systematische Evaluation anhand etablierter Metriken sowie gezielte Untersuchungen zum Einfluss der initialen Detektionen Kritische Analyse und Einordnung der Ergebnisse hinsichtlich der Eignung f r den realen berwachungseinsatz Dokumentation von Methodik und Ergebnissen in einer schriftlichen Ausarbeitung Das bringst du mit Laufendes Masterstudium in Informatik, Mathematik, Optotechnik oder einem vergleichbaren Studiengang Gute Programmierkenntnisse in Python sowie praktische Erfahrung mit Deep-Learning-Frameworks (idealerweise PyTorch) Grundlegendes Verst ndnis von Computer Vision und Deep Learning Selbstst ndige und strukturierte Arbeitsweise Wir freuen uns darauf, dich kennenzulernen! Fragen zu dieser Position (Kennziffer 5841) beantwortet dir gerne: Dr.

Tobias Koch Tel.: