Scherben bringen Klick

AI Quick Summary

Häufig werden auf öffentlichen Plätzen (alkoholische) Getränke konsumiert und danach die Flaschen zerschlagen. Dies verursacht nicht nur Reinigungsaufwand, sondern ist vor allem für Velofahrende ärgerlich, die durch die Scherben einen «Platten» auflesen. In der Studentenarbeit soll eine Foto- oder Filmkamera mit einem Mikrofon verbunden und durch das Geklirr von brechendem Glas ausgelöst werden, um die Übeltäter zu fotografieren/filmen und dadurch helfen, sie ausfindig zu machen. Ausgangslage und ProblemstellungWenn auf öffentlichen Plätzen (alkoholische) Getränke konsumiert und danach die Flaschen zerschlagen werden, ist dies nicht nur aufwändig zur Reinigung, sondern vor allem für Velofahrende ärgerlich, die durch die Scherben einen «Platten» auflesen. Diese Arbeit basiert auf der Idee, mit dem Geklirr von brechendem Glas eine Foto- oder Filmaufnahme zu starten/speichern, um die Übeltäter zu fotografieren oder filmen. Dadurch könnte es möglich sein, die Verursacher:innen ausfindig zu machen. Oder womöglich entfaltet das System eine abschreckende Wirkung, und es werden keine Flaschen mehr zerschlagen.Ziel der Arbeit und erwartete ResultateIn der Studierendenarbeit soll eine Foto- oder Filmkamera mit einem Mikrofon verbunden werden und durch das Geklirr von brechendem Glas ausgelöst werden. Das System muss auf das Geräusch trainiert werden und möglichst wenig Fehlauslösungen durch die normalen Umgebungsgeräusche bzw. den üblichen Lärm am betreffenden Ort haben.In einer späteren Arbeit soll das System auf einem RasPi o.ä. laufen können und mitsamt Kamera/Mikrofon in eine Box verpackt und "real" lauffähig gemacht werden. Dies ist aber nicht Bestandteil dieser Arbeit. In dieser Arbeit wird eine lauffähige Implementierung verlangt, allerdings kann diese auch auf "üblicher" Hardware laufen. Testen soll allerdings (auch) im Freien stattfinden (andere Akustik als in Räumen).Gewünschte Methoden, VorgehenRecherche möglicher Methoden, Evaluation geeigneter Machine-Learning-Frameworks, Audio-Verarbeitung, maschinelles Lernen auf Audio-Daten, ev. Vergleich mehreren ML-Methoden. Tests mit Tondateien, Tests in der realen Umgebung. Erwünscht, aber nicht verpflichtend ist die Anwendung des trainierten Modells auf einer möglichst realitätsnahen Hardware, also z.B. Training auf PC, Anwendung auf RasPi.Kreativität, Varianten, InnovationFreiheit besteht bei der Wahl der ML-Methode(n), (Vor-)Verarbeitung der Tondateien etc. Ebenfalls ist die Lauf-Umgebung nicht festgelegt (Windows, Linux, ...).

Project Idea Metadata

• Project Idea Name: Scherben bringen Klick
• Date: 6/24/2022 8:18:44 AM
• Administrators:

Project Idea Description

Ausgangslage und Problemstellung

Wenn auf öffentlichen Plätzen (alkoholische) Getränke konsumiert und danach die Flaschen zerschlagen werden, ist dies nicht nur aufwändig zur Reinigung, sondern vor allem für Velofahrende ärgerlich, die durch die Scherben einen «Platten» auflesen. Diese Arbeit basiert auf der Idee, mit dem Geklirr von brechendem Glas eine Foto- oder Filmaufnahme zu starten/speichern, um die Übeltäter zu fotografieren oder filmen. Dadurch könnte es möglich sein, die Verursacher:innen ausfindig zu machen. Oder womöglich entfaltet das System eine abschreckende Wirkung, und es werden keine Flaschen mehr zerschlagen.

Ziel der Arbeit und erwartete Resultate

In der Studierendenarbeit soll eine Foto- oder Filmkamera mit einem Mikrofon verbunden werden und durch das Geklirr von brechendem Glas ausgelöst werden. Das System muss auf das Geräusch trainiert werden und möglichst wenig Fehlauslösungen durch die normalen Umgebungsgeräusche bzw. den üblichen Lärm am betreffenden Ort haben.

In einer späteren Arbeit soll das System auf einem RasPi o.ä. laufen können und mitsamt Kamera/Mikrofon in eine Box verpackt und "real" lauffähig gemacht werden. Dies ist aber nicht Bestandteil dieser Arbeit. In dieser Arbeit wird eine lauffähige Implementierung verlangt, allerdings kann diese auch auf "üblicher" Hardware laufen. Testen soll allerdings (auch) im Freien stattfinden (andere Akustik als in Räumen).

Gewünschte Methoden, Vorgehen

Recherche möglicher Methoden, Evaluation geeigneter Machine-Learning-Frameworks, Audio-Verarbeitung, maschinelles Lernen auf Audio-Daten, ev. Vergleich mehreren ML-Methoden. Tests mit Tondateien, Tests in der realen Umgebung. Erwünscht, aber nicht verpflichtend ist die Anwendung des trainierten Modells auf einer möglichst realitätsnahen Hardware, also z.B. Training auf PC, Anwendung auf RasPi.

Kreativität, Varianten, Innovation

Freiheit besteht bei der Wahl der ML-Methode(n), (Vor-)Verarbeitung der Tondateien etc. Ebenfalls ist die Lauf-Umgebung nicht festgelegt (Windows, Linux, ...).

Häufig werden auf öffentlichen Plätzen (alkoholische) Getränke konsumiert und danach die Flaschen zerschlagen. Dies verursacht nicht nur Reinigungsaufwand, sondern ist vor allem für Velofahrende ärgerlich, die durch die Scherben einen «Platten» auflesen.

In der Studentenarbeit soll eine Foto- oder Filmkamera mit einem Mikrofon verbunden und durch das Geklirr von brechendem Glas ausgelöst werden, um die Übeltäter zu fotografieren/filmen und dadurch helfen, sie ausfindig zu machen.