💻 computer science

Knowledge Evolution and AI Paradigm Shifts in Pedestrian Detection: A Bibliometric and Main Path Analysis

Diese Studie integriert eine bibliometrische Analyse mit einer KI-Paradigma-Perspektive, um die strukturelle Evolution der Forschung zur Fußgängererkennung abzubilden, wobei sie aufzeigt, dass der Übergang des Feldes von handgefertigten Merkmalen zu Deep Learning und Transformern durch graduelle Wissensintegration statt durch abrupte Brüche erfolgt, wodurch sie einen neuartigen theoretischen Rahmen für das Verständnis der KI-Entwicklung bietet.

Ursprüngliche Autoren: Vo Thanh Kiet, Rene Jaros, Boris Pustejovsky, Jakub Stefansky, Ondrej Svoboda, Minh Ly Duc, Petr Bilik, Radek Martinek

Veröffentlicht 2026-06-29

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Vo Thanh Kiet, Rene Jaros, Boris Pustejovsky, Jakub Stefansky, Ondrej Svoboda, Minh Ly Duc, Petr Bilik, Radek Martinek

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich das Feld der Fußgängererkennung (das Lehren von Computern, Menschen in Videos zu entdecken) als eine riesige, geschäftige Bibliothek vor, die seit über 30 Jahren wächst. Dieses Papier liest nicht nur die Bücher; es fungiert wie ein Super-Bibliothekar, der das gesamte Gebäude kartografiert, nachverfolgt, wie Ideen von einem Regal zum anderen gereist sind, und identifiziert, welche Bücher die „Bestseller“ sind, auf die jeder immer wieder Bezug nimmt.

Hier ist eine einfache Aufschlüsselung dessen, was die Autoren, Vo Thanh Kiet und sein Team, herausgefunden haben:

1. Der Wachstumsschub der Bibliothek

Lange Zeit (1990–2004) war diese Bibliothek ruhig. Nur wenige Menschen schrieben darüber, wie man Menschen mithilfe von „handgefertigten“ Regeln erkennt (wie etwa das Zeichnen spezifischer Formen, um eine Person zu finden).

Der Wandel: Um 2010 explodierte die Bibliothek förmlich. Es ist wie ein plötzlicher Ansturm neuer Studenten. Bis 2020 stieg die Zahl der jährlich veröffentlichten neuen Bücher von ein paar Dutzend auf über 500 an.
Die Ursache: Dieser Boom geschah, weil die Bibliothek von „handgezeichneten Regeln“ zu Deep Learning wechselte (dem Computer zu erlauben, die Regeln durch das Betrachten von Millionen von Fotos selbst zu lernen).

2. Wer schreibt die Bücher? (Die Kollaborations-Karte)

Die Autoren haben kartografiert, wer mit wem spricht.

Die großen Akteure: China ist der Riese in diesem Raum und schreibt mehr als die Hälfte aller Bücher. Die USA sind der zweitgrößte Akteur, gefolgt von Indien, Japan und Deutschland.
Das soziale Netzwerk: Während China am meisten schreibt, sind das Vereinigte Königreich und Frankreich am sozialsten. Sie schreiben weniger Bücher, aber sie kollaborieren mit vielen verschiedenen Ländern.
Das Problem: Die Bibliothek ist etwas fragmentiert. Viele Forschungsgruppen sind wie Cliquen in der Highschool – sie sprechen viel miteinander, aber selten mit den Gruppen aus anderen Ländern oder Universitäten. Die Autoren schlagen vor, dass wir mehr „Mixer“ brauchen, um diese isolierten Gruppen zu verbinden.

3. Der „Hauptpfad“ des Wissens

Stellen Sie sich Wissen als einen Fluss vor, der aus der Vergangenheit in die Zukunft fließt. Die Autoren nutzten ein spezielles Werkzeug, um den Hauptpfad (Main Path) zu verfoln – den stärksten, wichtigsten Strom der Ideen.

Der alte Fluss (1990er–2000er): Das Wasser floss durch „Handcrafted Features“. Wissenschaftler entwarfen manuell Regeln (wie „Menschen haben zwei Beine“), um Fußgänger zu finden.
Der Übergang (Die Zwischenzone): Der Fluss versiegte nicht und startete nicht sofort einen neuen. Es gab eine sumpfige Mittelzone, in der alte Regeln und neue KI-Methoden nebeneinander existierten. Wissenschaftler testeten beide Methoden gleichzeitig und überbrückten so die Lücke.
Der neue Fluss (2015–Gegenwart): Das Wasser fließt nun durch Deep Learning und Transformer. Anstatt dass Menschen Regeln zeichnen, lernt der Computer sie automatisch.
Die zentrale Erkenntnis: Der Wandel war keine plötzliche Explosion, die die alten Wege einfach auslöschte. Es war ein langsamer, evolutionärer Wandel, bei dem neue Ideen auf den alten aufwuchsen.

4. Die „Hall of Fame“ (Die einflussreichsten Bücher)

Die Autoren identifizierten die zehn meistzitierten Arbeiten (die „Hall of Fame“).

Die Legende: Das Buch von Dalal und Triggs (2005) ist der unangefochtene König. Es wird mehr als doppelt so oft zitiert wie das nächstbeliebteste Buch. Es legte das Fundament für das gesamte Feld.
Die neue Garde: Nach 2014 füllte sich die „Hall of Fame“ mit Arbeiten über CNNs (eine Art von KI) und Transformer (eine neuere, leistungsfähere KI).
Die Warnung: Da ständig dieselben wenigen „klassischen“ Bücher zitiert werden, ist es schwer für brandneue, seltsame oder andere Ideen, beachtet zu werden. Es ist wie ein Radiosender, der nur die gleichen 10 Hits spielt; neue Künstler haben es schwer, Sendezeit zu bekommen.

5. Worüber sprechen sie jetzt? (Evolution der Schlagworte)

Wenn man sich die „Tags“ der Bücher ansieht, hat sich das Gespräch komplett verändert:

Damals (1990er): Die Tags waren „Algorithmen“, „Bildanalyse“ und „Intelligente Fahrzeuge“. Der Fokus lag rein auf der Mathematik.
Jetzt (2020er): Die Tags sind „Fußgängersicherheit“, „Autonomes Fahren“ und „Echtzeit-Einsatz im realen Umfeld“.
Die große Änderung: Der Fokus hat sich verschoben von „Wie lassen wir die Mathematik funktionieren?“ hin zu „Wie halten wir Menschen in der realen Welt sicher?“. Das Gespräch dreht sich nun um Sicherheit und Systeme, nicht mehr nur um Code.

Das Fazit

Dieses Papier argumentiert, dass wir nicht nur darauf schauen sollten, wie gut ein Computer eine Person erkennt (den technischen Score). Stattdessen sollten wir die Geschichte des Feldes betrachten, um zu verstehen, wie es dorthin gekommen ist.

Die Autoren kommen zu dem Schluss, dass die Evolution der KI wie ein wachsender Baum ist, nicht wie eine Serie von plötzlichen Ersetzungen. Die alten Wurzeln (handgefertigte Regeln) sind immer noch da und stützen die neuen Zweige (Deep Learning). Die aktuelle Situation ist jedoch von einigen wenigen großen Ländern und ein paar „super-zitierten“ Papieren dominiert, was verhindern kann, dass frische, neue Ideen wachsen. Um voranzukommen, müssen wir mehr Forscher weltweit vernetzen und uns weniger darauf konzentrieren, nur einen hohen Score zu erzielen, sondern mehr darauf, sichere, reale Systeme zu bauen.

Technische Zusammenfassung: Wissensevolution und KI-Paradigmenwechsel in der Fußgängererkennung

Problemstellung
Obwohl die Fußgängererkennung ein Eckpfeiler der Computer Vision und intelligenter Transportsysteme (ITS) ist, konzentriert sich die bestehende Literatur überwiegend auf algorithmische Leistung, Datensatz-Benchmarks oder spezifische Anwendungsherausforderungen. Diese technischen Rezensionen vernachlässigen weitgehend die strukturelle Evolution der Wissensbasis des Feldes sowie die Mechanismen, durch die Paradigmenwechsel in der Künstlichen Intelligenz (KI) entstehen und sich transformieren. Es besteht eine signifikante Lücke im Verständnis der makroebenen Wissensstruktur, der Forschungsnetzwerke und des dynamischen Übergangs von traditionellen Methoden zu modernen Deep-Learning- und Transformer-basierten Ansätzen. Diese Studie adressiert die Notwendigkeit einer systematischen, theoretienorientierten Übersicht, die bibliometrische Analysen mit KI-Paradigmenwechseln verknüpft, um ein systemisches Verständnis der Entwicklung des Feldes zu ermöglichen.

Methodik
Die Studie verwendet ein einheitliches bibliometrisches und scientometrisches Framework, um 5.926 Publikationen zu analysieren, die aus der Scopus-Datenbank für den Zeitraum von 1990 bis 2026 abgerufen wurden. Die Datenerhebung folgte einem PRISMA-kompatiblen Prozess, bei dem englischsprachige wissenschaftliche Arbeiten und Konferenzberichte mittels spezifischer Suchanfragen zu „Pedestrian Detection“, „Human Detection“ und Deep-Learning-Techniken gefiltert wurden.

Die analytische Pipeline besteht aus drei Hauptphasen:

Datenvorverarbeitung: Bereinigung und Normalisierung von Autorennamen, Zugehörigkeiten und Schlüsselwörtern mittels Python.
Netzwerkanalyse: Verwendung von VOSviewer für das Clustering basierend auf Modularitätsoptimierung und Pajek für die Main-Path-Analyse.
- Kollaborationsnetzwerke: Analysiert auf Länder-, Institutionen- und Autorenebene unter Verwendung von Metriken wie Total Publications (TP), Total Global Citations (TGC), Total Local Citations (TLC), Degree, Total Link Strength (TLS) und Weighted Betweenness Centrality (WBC).
- Co-Zitationsanalyse: Kartierung der intellektuellen Grundlagen durch Identifizierung von Clustern häufig gemeinsam zitierter Referenzen zur Offenlegung von Wissensgemeinschaften.
- Main-Path-Analyse: Anwendung von globalen Standard- und rückwärtsgerichteten lokalen Main-Path-Algorithmen, um den chronologischen Wissensfluss zu verfolgen und die einflussreichsten Zitationspfade zu identifizieren.
- Schlüsselwort-Kooccurrence: Untersuchung der Evolution von Forschungsthemen über drei distinkte Perioden (1990–2005, 2006–2015, 2016–2026), um Paradigmenwechsel nachzuverfolgen.

Wesentliche Beiträge
Die Arbeit leistet drei primäre Beiträge zum Feld:

Methodologisches Framework: Sie etabliert ein neuartiges Framework, das bibliometrische Analyse mit KI-orientierter theoretischer Interpretation integriert, wodurch über deskriptive Statistik hinaus die Wissensstruktur rekonstruiert und explizit mit der Evolution von Lernparadigmen verknüpft wird.
Strukturelle Erkenntnisse: Sie liefert tiefe Einblicke in die Rolle von „Wissens-Hubs“ (zentralen Knoten), die Bildung von Forschungsclustern und die Mechanismen der Wissenspropagation, wobei aufgezeigt wird, dass das Feld einer skalenfreien und hierarchischen Struktur folgt.
Kartierung des Paradigmenübergangs: Sie konzeptualisiert die Evolution der Fußgängererkennung nicht als abrupten Ersatz von Methoden, sondern als einen dynamischen Prozess, der Zwischenphasen der Wissensintegration und der Koexistenz von Paradigmen beinhaltet.

Ergebnisse

Publikationstrends: Das Feld weist ein exponentielles Wachstum auf ( $R^2 = 0,701$ ), mit einem dramatischen Anstieg der Publikationen nach 2010, wobei die jährliche Anzahl in den letzten Jahren auf über 500 Arbeiten gipfelte. Dieses Wachstum korreliert stark mit der Einführung von Deep Learning.
Kollaborationsnetzwerke: Die Forschungslandschaft ist geografisch unausgewogen. China dominiert beim Publikationsvolumen (TP = 2.665) und den Zitationen und fungiert als zentraler Hub. Länder wie das Vereinigte Königreich, Frankreich und die USA weisen jedoch eine höhere Intensität der internationalen Kollaboration (TLS/TP-Verhältnis) auf. Die Netzwerkstruktur ist fragmentiert, da Forschungsgruppen oft innerhalb einzelner Institutionen oder Regionen konzentriert sind, was den Wissensaustausch zwischen Clustern begrenzt.
Wissensevolution (Co-Zitation & Main Path):
- Grüner Cluster (Fundamentale Ebene): Repräsentiert klassische Handcrafted-Feature-Methoden (z. B. HOG, Haar-Features), verankert durch Arbeiten wie Dalal und Triggs [32] sowie Dollár et al. [6].
- Gelber Cluster (Transitionale Ebene): Fungiert als Brücke und enthält Studien, die klassische Methoden mit frühem Deep Learning integrieren oder spezifische Herausforderungen wie Okklusion adressieren (z. B. Hwang et al. [26], Benenson et al. [27]).
- Roter Cluster (Moderne Ebene): Repräsentiert die Ära des Deep Learning, dominiert von CNN-Architekturen (R-CNN, YOLO) und neuerdings von Transformer-basierten Modellen.
- Main Path: Der globale Main Path bestätigt eine sequentielle Evolution vom manuellen Feature-Design über HOG/SVM hin zu einem Übergang zu CNN-basierten Detektoren und schließlich zu Attention-Mechanismen und Transformern. Der rückwärts gerichtete lokale Pfad verdeutlicht, dass traditionelle Methoden parallel zu frühen Deep-Learning-Versuchen weiterentwickelt wurden, bevor letztere dominant wurden.
Schlüsselwort-Evolution: Die frühe Forschung (1990–2005) konzentrierte sich auf „Computer Vision“ und „Object Recognition“. Die Periode 2006–2015 führte „Machine Learning“ und „ADAS“ ein. Die Periode 2016–2026 ist durch „Deep Learning“, „Convolutional Neural Networks“, „Pedestrian Safety“ und die Integration von „Multi-Sensor“-Systemen gekennzeichnet, was auf einen Wandel von reiner algorithmischer Genauigkeit hin zu systemischer Sicherheit und Anwendung hindeutet.

Bedeutung und Ansprüche
Die Autoren behaupten, dass diese Studie ein „systemisches Verständnis“ der Evolution des KI-Feldes bietet und sich damit von traditionellen Reviews unterscheidet, die sich rein auf technische Vergleiche konzentrieren. Theoretisch postuliert die Arbeit, dass die KI-Evolution ein Prozess der Wissensdiffusion, Akkumulation und Restrukturierung ist und nicht bloß isolierter technologischer Fortschritte. Sie hebt hervor, dass Paradigmenwechsel durch die Koexistenz und Aushandlung zwischen altem und neuem Wissen erfolgen und nicht durch unmittelbaren Ersatz.

Praktisch bieten die Ergebnisse strategische Erkenntnisse für das Design intelligenter Systeme, insbesondere für sicherheitskritische Anwendungen wie autonomes Fahren und Fahrerassistenzsysteme (ADAS). Durch die Identifizierung von „Wissensankern“ und Transitionsphasen unterstützt die Studie die Auswahl geeigneter Modelle und Architekturen. Die Autoren betonen die Notwendigkeit eines Perspektivwechsels von einem „algorithmenzentrierten“ Denken hin zu einem „System- und Gesellschafts-Ansatz“, bei dem die Fußgängererkennung im breiteren Kontext des intelligenten Transports, der Sicherheit und ethischer Erwägungen bewertet wird. Die Studie kommt zu dem Schluss, dass das Feld technisch zwar gereift ist, zukünftiger Fortschritt jedoch eine verstärkte internationale Zusammenarbeit, interdisziplinäre Integration und einen Fokus auf reale Einsatzherausforderungen wie Robustheit unter widrigen Bedingungen und den ethischen Umgang mit Daten erfordert.