Navigationsweiche Anfang

Navigationsweiche Ende

Lehrstuhl für Allgemeine Elektrotechnik und Theoretische Nachrichtentechnik


Prof. Dr.- Ing. Anton Kummert

Aktuelles

  • SiSy Klausur am 23. März 2021
    Die Informationen zu den Standorten, Sitzplatzverteilung und weitere Hinweise sind allen... [mehr]
  • TNT-Klausur am 15. März 2021
    Die Informationen zu der TNT-Klausur am 15. März 2021, wie Standorte, Sitzplatzverteilung und... [mehr]
  • Urkunde über Patenterteilung
    Urkunde über die Erteilung des Patentes Nr. 11 2012 003 630 Verfahren, Anordnung und... [mehr]
zum Archiv ->

Erkennung von menschlichen Aktivitäten mittels Deep Learning

Das Interesse, menschliche Aktivitäten automatisch zu erfassen, nimmt z.B. in den Bereichen Biomedizin, Spieleentwicklung sowie im persönlichen Fitnessbereich stetig zu. Sensoren werden am Körper befestigt, um die Körperbewegung, physiologische Signale oder Umgebungsvariablen zu messen. Mittels maschineller Lernverfahren werden die Sensordaten anschließend ausgewertet, um z.B. eine Aktivität zu klassifizieren oder Informationen über seine eigene Fitness zu erhalten. Dabei benötigen die Lernverfahren charakteristische Merkmale, die es ermöglichen zwischen verschiedenen Aktivitäten in den gesammelten Daten zu unterscheiden. Das Auffinden der Merkmale kann ganz klassisch manuell von einem Experten übernommen werden, was teuer, zeitaufwendig und abhängig vom Wissen des Experten ist oder wie in diesem Projekt durch ein oben schematisch dargestelltes 2-D faltendes neuronales Netz. Dafür wird aus den 1-D Signalen der Sensoren ein 2-D Bild mittels der Kurzzeit-Fourier-Transformation erzeugt. Das neuronale Netz wird mit den Bildern als Eingangssignal trainiert und die Aufgabe der Merkmalsextraktion übernimmt vollständig automatisiert das faltende neuronale Netz. Unten sehen Sie als Beispiel zwei erzeugte Spektrogramme zweier unterschiedlicher Klassen. Der Beschleunigungssensor wurde am rechten unteren Fuß befestigt.