Home | english  | Impressum | Datenschutz | Sitemap | KIT

Kontakt
Karlsruher Institut für Technologie
Lehrstuhl für Interaktive Echtzeitsysteme

Prof. Dr.- Ing. Jürgen Beyerer
c/o Technologiefabrik
Haid-und-Neu-Str. 7
76131 Karlsruhe

Tel:  +49 721 - 608 45910
Fax: +49 721 - 608 45926

Willkommen am Lehrstuhl für Interaktive Echtzeitsysteme

IES

Prof. Dr.-Ing. J. Beyerer

Aktuell

*Die ASB Vorlesung am Montag 23.12.19 findet nicht statt.

 

Klausur Automatische Sichtprüfung und Bildverarbeitung

Die schriftliche Prüfung im Fach ASB wird am Montag, 24.02.2020 - 14:00 bis 16:00 Uhr in Hörsaal Gerthsen stattfinden.

Klausur Mensch-Maschine-Wechselwirkung
•    Schriftlich Prüfung: Prüfungsdauer 60 Minuten, Gesamtdauer 90 Minuten
•    Ort: Gaede-Hoersaal
•    Termine:
        o    31. März 2020, 11 Uhr (Anmeldung über Campus-Management bis 24. März)
        o    29. Juli 2020, 11 Uhr (Nachholtermin, Anmeldung über Campus-Management bis 22. Juli)

Probabilistiche Planung

Bitte beachten Sie, dass die Vorlesung Probabilistische Planung nicht länger angeboten wird. Die Unterlagen zur letzten Vorlesungsreihe finden sie hier.

Neue Adresse

Der Lehrstuhl ist an einen neuen Standort in der Technologiefabrik umgezogen.

Lehrbuch zur Mustererkennung

Am 11. Dezember 2017 erschien das Lehrbuch "Beyerer, Richter, Nagel: Pattern Recognition: Introduction, Features, Classifiers and Principles". Weitere Information finden Sie auf der Seite des De Gruyter Verlags.

Vorlesungsangebot
Das Vorlesungsangebot des Lehrstuhls finden Sie hier.

Lehrbuch zur Automatischen Sichtprüfung
Am 30. September 2012 erschien das Lehrbuch "Beyerer, Puente León, Frese: Automatische Sichtprüfung, Grundlagen, Methoden und Praxis der Bildgewinnung und Bildauswertung". Weitere Information finden Sie auf der Lehrbuch-Seite oder auf der Seite vom Springer-Verlag.

Karlsruher Zentrum für Materialsignaturen
Der Lehrstuhl für Interaktive Echtzeitsysteme hat sich mit anderen Instituten des KIT und dem Fraunhofer IOSB zum Karlsruher Zentrum für Materialsignaturen KCM zusammengeschlossen. Weitere Informationen finden Sie auf der Seite des KCM.

Bachelor-, Master-, Studien- und Diplomarbeiten zu vergeben: Weitere Informationen finden Sie hier.

 
 
Integration von Kontextwissen bei der videobasierten Handgestenerkennung
Typ:

Diplomarbeit

Betreuer:

Dipl.-Inform. Thomas Bader

Status:

abgeschlossen

Abgabedatum:

Dezember 2008

Durch die videobasierte Erkennung von Handgesten eröffnen sich völlig neue Möglichkeiten für die Gestaltung intuitiver und natürlicher Mensch-Maschine-Dialoge, z.B. für Multi-Display Umgebungen. Insbesondere ermöglicht die Klassifikation von Handsymbolen die Trennung von an die Maschine gerichteten Eingaben und zur zwischenmenschlichen Kommunikation ausgeführten Gesten. Zur videobasierten Klassifikation und Lokalisierung von Handgesten stellen konturbasierte Verfahren einen vielversprechenden Ansatz dar, inbesondere im Hinblick auf die Erfüllung der hohen Anforderungen an Verarbeitungsgeschwindigkeit und Robustheit an ein solches System. Konturbasierte Merkmale hängen jedoch stark vom jeweiligen Blickwinkel der Kameras ab. Die daraus entstehenden Mehrdeutigkeiten und die je nach Geste großen benutzerabhängigen Varianzen bei der Ausführung der Handsymbole innerhalb einer Handsymbolklasse, stellen jedoch Probleme für eine robuste Klassifikation von Handsymbolen dar.

Eine Möglichkeit zur Lösung obiger Probleme ist die Einbindung von Kontextwissen in die Verarbeitungskette des Detektions- und Klassifikationsprozesses. Bei der Nutzung der Handgesten für die Mensch-Maschine Interaktion kann insbesondere das Wissen über gegenwärtige Möglichkeiten und Einschränkungen bei der Interaktion mit dem System als a-priori Wissen genutzt werden.

Die angefertigte Arbeit zeigt auf, wie die Erkennungsleistung durch die Integration von Kontextwissen verbessert werden kann. Dazu wurde auf Basis eines bereits bestehenden videobasierte Handgestenerkennungssystems ein formaler Rahen geschaffen, welche es erlaubt Kontextwissen auf unterschiedlichen Stufen im Verarbeitungs- und Klassifikationsprozess zu integrieren. Anhand der Ergebnisse verschiedener Versuchsreihen wird verdeutlicht, welchen Einfluss das Kontextwissen auf die Robustheit der Klassifikationsentscheidung hat.