Publikation

TaKG - Ein Toolkit zur automatischen Klassifikation von Gesten

Robert Neßelrath

Mastersthesis DFKI 3/2008.

Abstrakt

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.

TaKG_master_nesselrath.pdf (pdf, 4 MB)

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence