Verwendung von hierarchischen selbstorganisierenden Karten zur Erkennung von komplexen Aktionen

Abstract

Selbstorganisierende Karten sind ein noch relativ junges und sehr aktives Forschungsgebiet. Bisher wurden einige Methoden vorgestellt, um mit Hilfe von SOMs Zeitreihen zu verarbeiten. In dieser Arbeit soll ein Ansatz vorgestellt werden, der zwei selbstorganisierende Karten verwendet. Die erste verarbeitet Posen, die zweite jeweils eine geordnete Menge dieser Posen, nämlich Gesten. Interessant an SOMs ist, dass sie völlig unüberwacht lernen können. Im Vergleich zu klassischen Verfahren zur Dimensionreduktion oder zum Clustering arbeitet eine SOM auch wesentlich effizienter. Im Rahmen des RoboEarth Projektes, wird deshalb in dieser Arbeit untersucht, wie Gesten mit der beschriebenen Hierarchie von SOMs gelernt, erkannt und verglichen werden können. Zum Sammeln von realistischen Bewegungsdaten wird die Microsoft Kinect verwendet. Schließlich wird eine Software entwickelt, um diese Daten auf die besagte Weise zu verarbeiten und den Ansatz zu testen.