Activity Recognition und Data Mining - Erkennen und Modellieren menschlicher Aktionen
If preferred, the Praktikum can also be done in English.
Motivation
Die Beobachtung und Analyse menschlicher Aktionen ist von großer Bedeutung in der Robotik, um aus
Beobachtung zu lernen, aber auch, um automatisiert den Grad der Selbstständigkeit und eventuelle Krankheitsbilder bei Menschen erkennen zu können.
Die Aufgaben in diesem Praktikum verwenden reale Beobachtungen menschlicher Aktionen in unserer Labor-Küche. Mit einem am Lehrstuhl entwickelten Motion-Tracking-System wurden verschiedene Personen bei Alltagsaktivitäten beobachtet und ihre Bewegungen aufgezeichnet. Ein Sensorhandschuh dient zum Erfassen von Greifbewegungen der Finger. Das Ziel des Praktikums ist, aus den hochdimensionalen, kontinuierlichen Sensordaten sinnvolle Aussagen zu generieren: Welche Aktion hat der Mensch ausgeführt? Mit welchem Objekt? Wie unterscheiden sich zwei Personen in der Art, wie sie agieren?
Die im Praktikum vermittelten Techniken sollen allgemein das Vorgehen zur Analyse, Abstraktion und Interpretation komplexer Daten aufzeigen. Das Praktikum ist inhaltlich nah an die Forschung am Lehrstuhl angelehnt und kann als Grundlage für spätere Hiwi-Jobs oder Masterarbeiten dienen.
Inhalt
- Daten-Vorverarbeitung
- Visualisierungs-Tools
- Segmentierung und Klassifizierung kontinuierlicher Daten
- Analyse von Positionen menschlicher Aktionen, Handposen, kompletten menschlichen Posen
Voraussetzungen
Grundlegende Programmierkenntnisse in Java oder ähnlichen Sprachen werden vorausgesetzt, einige SQL-Kenntnisse sind vermutlich hilfreich.
Wichtige Termine
Auch nach der Vorbesprechung ist die Anmeldung weiterhin möglich!
Informationen und Anmeldung bei Moritz Tenorth, tenorth (at) cs.tum.edu, Raum MI 02.09.055
