Deutschland

Das Verstehen menschlichen Verhaltens ist essenziell für intelligente technische Systeme in menschlichen Umgebungen. Diese Arbeit befasst sich mit der videobasierten Aktivitätsanalyse. Dazu werden zwei Methoden der Merkmalsextraktion untersucht: ein markerloses dreidimensionales Körpertracking mit einem evolutionären Algorithmus und ein modellfreies Tracking dynamischer Videomerkmale. Anschließend erfolgt eine Modellierung und Klassifikation von Aktivitäten auf Basis der gewonnenen Merkmale. Understanding human behavior is crucial for intelligent technical systems in human environments. In this work, methods for human activity recognition based on video data are developed. Two approaches of feature extraction are pursued: a method of markerless articulated pose estimation using an evolutionary algorithm and a model-free feature tracking method. The resulting motion representations are then used for modeling and classifying different activities.<br/><br/>Das Verstehen menschlichen Verhaltens ist essenziell für intelligente technische Systeme in menschlichen Umgebungen. Diese Arbeit befasst sich mit der videobasierten Aktivitätsanalyse. Dazu werden zwei Methoden der Merkmalsextraktion untersucht: ein markerloses dreidimensionales Körpertracking mit einem evolutionären Algorithmus und ein modellfreies Tracking dynamischer Videomerkmale. Anschließend erfolgt eine Modellierung und Klassifikation von Aktivitäten auf Basis der gewonnenen Merkmale. Understanding human behavior is crucial for intelligent technical systems in human environments. In this work, methods for human activity recognition based on video data are developed. Two approaches of feature extraction are pursued: a method of markerless articulated pose estimation using an evolutionary algorithm and a model-free feature tracking method. The resulting motion representations are then used for modeling and classifying different activities.  