Evolutionäre Algorithmen für die zielgerichtete Optimierung pdfsubject

2. Grundlagen
In diesem Kapitel wird die Basis dieser Diplomarbeit erläutert. Zunächst wird in
Abschnitt 2.1 das System zur Verfolgung von Körperposturen beschrieben, dessen
Parameter optimiert und analysiert werden sollen. Es werden dabei kurz das
verwendete Körpermodell und die Verfahren dargestellt. Um einen Vergleich der
geschätzten Posturen mit der wahren Postur zu ermöglichen, wird eine sogenannte
Ground-Truth“ in Abschnitt 2.2 vorgestellt. Es wird dabei auf zwei Datensätze
eingegangen, die für die Evaluierung hinzugezogen werden. In Abschnitt 2.3
”
folgt eine Übersicht über die in dieser Arbeit verwendeten Qualitätskriterien zur
Bewertung einer geschätzten Körperpostur.
2.1 Body-Tracking-System
Einen Großteil der (inter-)menschlichen Kommunikation wird von nonverbalen
Artikulationen bestimmt. Dazu zählt sowohl die Mimik während des Sprechens
als auch die Körperhaltungen (Postur) der beteiligten Personen. Während die
Spracherkennung ein weites und gut erarbeitetes Feld in der Forschung ist, wird
der Erkennung von Körperposturen erst in den letzten Jahren mehr Aufmerksamkeit
gewidmet. Selten ist aber die Sprache von der Gestik einer Person abgekoppelt;
ein Beispiel ist das Zeigen einer Person auf einen Gegenstand mit der
zugehörigen verbalen Erklärung. Ein Erwachsener verhält sich aber bei einer solchen
Demonstration einem Kleinkind gegenüber anders als einem Erwachsenen
gegenüber [RFWJ06]. Eine automatisierte Erkennung der Gesten ist hilfreich bei
der Datenanalyse für die Einteilung dieser Verhaltensmuster, um quantitative
Aussagen über die Unterschiede in verschiedenen Szenarien zu treffen.
Das zu evaluierende System in dieser Arbeit ist das Body-Tracking-Framework
von Joachim Schmidt [SKF06]. Dieses Framework erkennt die Postur des Oberkörpers
einer Person, die vor einer Kamera steht. Ein Beispiel ist in Abbildung 2.1
gezeigt. Die Person steht vor einer monokularen Kamera und zeigt auf einen (im
Bild nicht sichtbaren) Gegenstand. Das Framework kann nun mit Hilfe einer Reihe
von Aufnahmen die jeweilige Postur in den Einzelbildern verfolgen und auf die
Art der Geste schließen [FHS04]. Der Vorteil eines monokularen Kameraaufbaus