Maschinell gestützte Analysen menschlicher Bewegungsabläufe gewinnen immer mehr an Bedeutung. Voraussetzung dafür ist, in Video- oder Smartphoneaufnahmen Personen zu erkennen und ihre Körperhaltungen zu erfassen. Obwohl immer mehr kamerabasierte Tracking-Methoden verfügbar sind, existiert jedoch kein Verfahren, mit dem sich beliebige Bewegungsabläufe automatisiert und semantisch aussagekräftig analysieren und vergleichen lassen.
Im Projekt ARGUS werden neuartige Verfahren der Künstlichen Intelligenz (KI) entwickelt, die bedeutsame Repräsentationen (Abbildungen) beliebiger menschlicher Bewegungsabläufe lernen können. Dazu sollen Verfahren des unüberwachten Lernens (Unsupervised Learning) eingesetzt werden. Das bezeichnet Maschinelles Lernen ohne im Voraus bekannte Zielwerte. Diese Verfahren können auf ungelabelten, allgemein verfügbaren Videodaten trainiert werden, welche in extrem großen Mengen vorhanden sind und die gesamte Bandbreite an menschlichen Bewegungsabläufen abbilden. Die Qualität sowie praktische Nutzbarkeit der erlernten Repräsentationen für Analyseverfahren, beispiels-
weise im Umfeld der Tierforschung und der Sportanalyse, wird dabei durch kontinuierliche, wissenschaftlich fundierte Evaluation sichergestellt.
In ARGUS werden allgemeine Systeme ermöglicht, die nahezu beliebige Bewegungsabläufe erfassen und analysieren können und nicht auf bestimmte Anwendungsgebiete beschränkt sind. Die dabei entstehenden semantischen Repräsentationen können als Grundlage für zahlreiche nachfolgende Analyseverfahren genutzt werden. Unter anderem können beliebige Bewegungsmuster in Bezug auf deren Ähnlichkeiten oder Unterschiede untersucht werden, beispielsweise können Aufschläge im Ten- nis automatisch verglichen werden, um personali- sierte Trainingspläne zu erstellen. So vergrößert sich die Bandbreite an möglichen Einsatzgebieten für maschinell gestützte Bewegungsanalysen erheblich, beispielsweise auf unterschiedliche Sportarten oder in andere Domänen wie dem Gesundheits- oder Sicherheitsbereich.
Subsequent GmbH
Sankt-Gebhard-Straße 34
78467 Konstanz
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen