Das Forschungsportal Sachsen-Anhalt verwendet zur Bereitstellung einiger Funktionen Cookies.
Mit der Verwendung dieser Seite erklären Sie sich damit einverstanden. Weitere Informationen
Das Forschungsportal Sachsen-Anhalt verwendet zur Bereitstellung einiger Funktionen Cookies.
Mit der Verwendung dieser Seite erklären Sie sich damit einverstanden. Weitere Informationen
Sie verwenden einen sehr veralteten Browser und können Funktionen dieser Seite nur sehr eingeschränkt nutzen. Bitte aktualisieren Sie Ihren Browser. http://www.browser-update.org/de/update.html
Ziele des Teilprojekts C1 sind die Umgebungserkennung und -modellierung sowie die intentionsbasierte Interpretation von Gesten potentieller Benutzer eines Companion-Systems. Zur Umgebungsmodellierung werden neue Methoden zum Multi-Objekttracking, zur Informationsfusion und zeitlichen Filterung erforscht und weiterentwickelt, basierend auf der Random Finite Sets Theorie und dem Joint Integrated Probabilistic Data Association Filter, die eine gleichzeitige Schätzung der Objektexistenz und des Objektzustandeserlauben. Die Erkennung von Nutzergesten erfolgt bildbasiert und stellt die Grundlage für eine intentionsbasierte Interpretation der Gesten- und Aktionssequenzen anhand von Intentionsreferenzmodellen dar. Diese stellen den direkten Bezug zwischen allen Intentionshypothesen auf Grundlage eines Applikationskontextes und dem fusionierten Merkmalsvektor aus Gestensequenzen her. Die Hypothese mit dem maximalen Evaluierungsmaß soll der Benutzerintention entsprechen.
Sie verwenden einen sehr veralteten Browser und können Funktionen dieser Seite nur sehr eingeschränkt nutzen. Bitte aktualisieren Sie Ihren Browser. http://www.browser-update.org/de/update.html
Ziele des Teilprojekts C1 sind die Umgebungserkennung und -modellierung sowie die intentionsbasierte Interpretation von Gesten potentieller Benutzer eines Companion-Systems. Zur Umgebungsmodellierung werden neue Methoden zum Multi-Objekttracking, zur Informationsfusion und zeitlichen Filterung erforscht und weiterentwickelt, basierend auf der Random Finite Sets Theorie und dem Joint Integrated Probabilistic Data Association Filter, die eine gleichzeitige Schätzung der Objektexistenz und des Objektzustandeserlauben. Die Erkennung von Nutzergesten erfolgt bildbasiert und stellt die Grundlage für eine intentionsbasierte Interpretation der Gesten- und Aktionssequenzen anhand von Intentionsreferenzmodellen dar. Diese stellen den direkten Bezug zwischen allen Intentionshypothesen auf Grundlage eines Applikationskontextes und dem fusionierten Merkmalsvektor aus Gestensequenzen her. Die Hypothese mit dem maximalen Evaluierungsmaß soll der Benutzerintention entsprechen.