Jahresbericht informatik 2009 - KIT – Fakultät für Informatik

Institut für Anthropomatik
Wir sind im Programm Quaero an zwei Projekten beteiligt, dem „Core Technology
Cluster“ (CTC), das sich mit der Erforschung und Verbesserung der grundlegenden
Techniken beschäftigt, auf denen die Anwendungsprojekte aufbauen, sowie dem CORPUS
Projekt, das die zum Lernen von statistischen Modellen sowie zur Evaluation der entwickelten
Techniken notwendigen Daten sammelt und aufbereitet.
Wir forschen dabei in den folgenden Bereichen: Detektion und Identifikation von
Personen in Standbildern und Videos, Erkennung von Konzepten in Videos sowie die automatische
Erkennung des Genres von Videos.
Im Rahmen des Quaero-Projektes wurden von uns bisher ein robuster und sehr effizienter
Ansatz zur Detektion von Gesichtern und Gesichtspartien, sowie Systeme zur
Filterung von Ergebnissen von Bildersuchmaschinen, zum Wiederfinden von Schauspielern
in Filmen und TV-Serien, zur Erkennung des Genres von Videos (bspw. „Sportsendung“,
„Spielfilm“, „Fernsehshow“, …) sowie zur Detektion von Konzepten in Videos entwickelt.
Weiterhin wurden im Rahmen des Projektes unsere Methoden zur Gesichtsidentifikation
und -analyse kontinuierlich verbessert.
Handlungserkennung für die Mensch-Roboter Interaktion
(K. Nickel, L. Rybok, R. Stiefelhagen)
Im Rahmen des Sonderforschungsbereichs 588 „Humanoide Roboter – Lernende und
kooperierende multimodale Roboter“, beschäftigt sich unsere Forschungsgruppe mit der
Erforschung von Verfahren zum Maschinellen Sehen. Ziel ist es, eine implizite non-verbale
Kommunikation eines Menschen mit einem Roboter zu ermöglichen. Hierzu sind vor
allem das visuelle Erfassen des Benutzers und seiner Bewegungen notwendig.
Ein Arbeitsschwerpunkt im zurückliegenden Jahr lag auf der videobasierten Erkennung von
menschlichen Aktivitäten. Mit deren Hilfe soll es dem Roboter ermöglicht werden, wenige
Sekunden nach Betreten eines Raumes, Wissen über die dort herrschende Situation zu
erlangen. Dadurch soll er sich direkt auf die jeweiligen Gegebenheiten im Raum einstellen
und dementsprechend reagieren können. So könnte der Roboter zum Beispiel nachdem
er in einer Küche erkennt, dass sein Benutzer gerade die Spülmaschine ausräumt, ihm seine
Hilfe anbieten oder sogar diese Aufgabe gänzlich übernehmen, ohne dass es ihm explizit
befohlen werden muss.
Für die Situationserkennung wird ausgenutzt, dass sich menschliche Aktivitäten häufig
anhand typischer Bewegungsabläufe voneinander unterscheiden lassen und dies auch unabhängig
von den Rahmenbedingungen wie der Ausführungsgeschwindigkeit geschehen
kann. Außerdem können die eingesetzten Werkzeuge auf die Art der Aktivität hinweisen.
Zum Beispiel kann durch das Vorhandensein eines Messers auf eine Schneideaktivität
geschlossen werden. Anstatt jedoch für jedes Werkzeug und jede Bewegungsart einen separaten
Erkenner zu entwickeln, werden beide Informationen implizit über bildbasierte
Merkmale auf einer niedrigeren Ebene zur Situationsschätzung verwendet.
Den zweiten Arbeitsschwerpunkt im Berichtsjahr bildete das markerlose visuelle
Körpertracking, mit dessen Hilfe einzelne Aktionen und Gesten feingranular erkannt wer-
267
3