 |
Distributed Activity Recognition from Acceleration Data
Masterarbeit vom 20. Januar 2009; vergeben Die Erkennung menschlicher Aktivitäten fällt in den Bereich der Kontextsensitivität von Systemen, und sie ist ein wesentlicher Baustein um Dienste an die aktuelle Situation des jeweiligen Benutzers anpassen zu können. Ein oft gewählter Ansatz ist die Verwendung von Beschleunigungssensoren, welche an verschiedenen Stellen des menschlichen Körpers angebracht werden um dessen Bewegungen aufzuzeichnen; Beispiele einfacher Aktivitäten die damit erkannt werden können sind Laufen, Gehen, Sitzen oder Stiegensteigen. Dafür werden aus den Beschleunigungsdaten innerhalb eines Zeitintervalls bestimmte Features (Mittelwert, Standardabweichung, Energie, Entropie, ...) berechnet, und anhand dieser schließlich mit Hilfe von Klassifikatoren (Support-Vektor-Maschinen, Entscheidungsbäume, Bayes-Klassifikator, ...) Aktivitäten erkannt. Gegenstand dieser Master- oder Bakkalaureatsarbeit/en ist die Erkennung von Aktivitäten auf autonomen eingebetteten Systemen, welche miteinander vernetzt sind und am Körper des Benutzers getragen werden. Als Hardwareplattform sind dafür Sun SPOTs zu verwenden; es handelt sich dabei um kleine Java-programmierbare Bausteine die bereits über ein IEEE 802.15.4 Funkmodul zum gegenseitigen Datenaustausch, einen 3-achsigen 2G/6G Beschleunigungssensor sowie mehrere Taster und LEDs zur Ein- und Ausgabe verfügen. Die Sun SPOTs sind darüber hinaus über eine Vielzahl von analogen und digitalen Ein- und Ausgängen erweiterbar, verfügen über 4MB Flash- und 512kB RAM-Speicher und eignen sich durch ihre einfache Programmierbarkeit hervorragend zur raschen Entwicklung von Prototypen Die Herausforderung dieser Arbeit/en besteht in der Implementierung eines verteilten Aktivitätserkennungsalgorithmus für die Sun SPOTs, welcher auf den integrierten Beschleunigungssensoren sowie einem Austausch von Sensordaten zwischen ihnen basiert. Durch die drahtlose Kommunikation ist es einzelnen SPOTs möglich, die Erkennung von Aktivitäten nicht nur von ihren eigenen Sensordaten, sondern zusätzlich von jenen anderer SPOTs die sich in Reichweite befinden - und damit auch von Relationen zwischen den eigenen und empfangenen Sensordaten - abhängig zu machen. Ein weiterer Schwerpunkt der Arbeit/en ist darüber hinaus eine experimentelle Gegenüberstellung der entwickelten mit anderen aus der Literatur bekannten Methoden zur Aktivitätserkennung, mit dem Ziel, vergleichende wissenschaftliche Aussagen über die Erkennungsrate von Aktivitäten, die Anzahl und Platzierung von Sun SPOTs am Körper sowie die Auswirkungen von Sensorausfällen machen zu können. Ziele der Arbeit/en:
Anforderungen:
Rahmenbedingungen:
Literatur (alphabetisch): Infrastructure: Sun SPOT (Small Programmable Object Technology) Contact: Alois Ferscha, Clemens Holzmann |