Publikation
TaKG - Ein Toolkit zur automatischen Klassifikation von Gesten
Robert Neßelrath
Mastersthesis, DFKI, 3/2008.
Zusammenfassung
Die vorliegende Arbeit beschäftigt sich mit der Entwicklung eines Verfahrens
zum Erlernen und Wiedererkennen von Handgesten, die mit Hilfe von Beschleunigungssensoren
aufgezeichnet werden. Die Gesten sollen benutzerabhängig erlernt
werden, so dass für jeden Benutzer eine eigene Wissensbasis vorliegt.
Die Entwicklung erfolgt im Rahmen des i2home-Projekts, einem Projekt zur
Verbesserung der Bedienung von Geräten aus der Heimelektronik. Für die Aufzeichnung
der Beschleunigungswerte wird die WiiMote von Nintendo verwendet,
einem Eingabegerät für die Spielekonsole Wii, die unter anderem drei Beschleunigungssensoren
enthält. Die Arbeit besteht aus vier Hauptbeiträgen.
- Zunächst wird erläutert, inwiefern Gesten in der Mensch-Maschine-
Kommunikation nützlich sind und bereits verwendet werden. Es wird gezeigt,
welche Formen von Gesten existieren und definiert, welche Gesten
innerhalb dieser Arbeit klassifiziert werden können.
- Der zweite Beitrag beschäftigt sich mit der Klassifikation der Gesten. Es
werden unterschiedliche Erkennungsverfahren und die Bibliothek Weka
vorgestellt, die diese Verfahren implementiert. Weiterhin wird erörtert,
weshalb eine Merkmalsextraktion nötig ist und wie diese durchgeführt
wird.
- Der dritte Beitrag behandelt die Entwicklung des Toolkits TaKG. Das
Toolkit bietet Entwicklern die Möglichkeit mit nur wenig Aufwand ihre
Anwendung mit Gesten steuerbar zu machen.
- In der anschließenden Evaluation werden anhand von Testdaten die verschiedenen
Erkennungsansätze auf ihre Präzision untersucht. Ebenfalls
wird beobachtet, wie gut vor allem ältere Probanden mit der Gestensteuerung
umgehen können.
Die abschließende Diskussion fasst die wesentlichen Ergebnisse der Arbeit zusammen
und schlägt weitere Forschungsthemen vor.