Motivation
Maschinell gestützte Analysen menschlicher Bewegungsabläufe gewinnen zunehmend an Bedeutung. Voraussetzung dafür ist die Erkennung von Personen sowie die Erfassung ihrer Körperhaltungen in Video- oder Smartphoneaufnahmen. Obwohl immer mehr kamerabasierte Tracking-Methoden verfügbar sind, existiert bislang kein Verfahren, das beliebige Bewegungsabläufe automatisiert und semantisch aussagekräftig analysieren sowie vergleichen kann.
Ziele und Vorgehen
Im Projekt ARGUS werden neuartige Verfahren der Künstlichen Intelligenz (KI) entwickelt, die bedeutsame Repräsentationen menschlicher Bewegungsabläufe erlernen können. Dazu sollen Verfahren des unüberwachten Lernens (Unsupervised Learning) eingesetzt werden – eine Form des maschinellen Lernens, die ohne vordefinierte Zielwerte auskommt. Diese Methoden können auf ungelabelten, allgemein verfügbaren Videodaten trainiert werden, die in extrem großen Mengen vorliegen und die gesamte Bandbreite menschlicher Bewegungen abbilden. Die Qualität und praktische Nutzbarkeit der erlernten Repräsentationen für Analyseverfahren, beispielsweise in der Tierforschung oder der Sportanalyse, wird durch kontinuierliche wissenschaftlich fundierte Evaluierung sichergestellt.
Innovationen und Perspektiven
ARGUS ermöglicht die Entwicklung allgemeiner Systeme, die nahezu beliebige Bewegungsabläufe erfassen und analysieren können, ohne auf bestimmte Anwendungsgebiete beschränkt zu sein. Die daraus entstehenden semantischen Repräsentationen dienen als Grundlage für zahlreiche nachfolgende Analyseverfahren. So können beispielsweise Bewegungsmuster hinsichtlich ihrer Ähnlichkeiten oder Unterschiede untersucht werden – etwa, um Aufschläge im Tennis automatisch zu vergleichen und personalisierte Trainingspläne zu erstellen. Dadurch erweitert sich die Bandbreite möglicher Einsatzgebiete für maschinell gestützte Bewegungsanalysen erheblich, sei es in verschiedenen Sportarten oder in anderen Bereichen wie Gesundheit und Sicherheit.