Vorhersage von menschlichen Bewegungen und Aktivitäten (P3)

• Antragsteller: Professor Dr. Jürgen Gall
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2017 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 313421352

Das Ziel des Projektes ist es, menschliches Verhalten in unterschiedlichen Detaillierungsgraden vorherzusagen. Dies beinhaltet sowohl die zukünftigen Aktivitäten einer Person als auch deren Bewegung. Anstatt die unterschiedlichen Detaillierungsgrade unabhängig voneinander vorherzusagen, ist es vorteilhaft, sie zusammen vorherzusagen. Zum einen können detaillierte menschliche Bewegungen nur für einen kurzen Zeithorizont von wenigen Sekunden vorhergesagt werden, sofern die Intention der Person unbekannt ist. Unsere Hypothese ist, dass menschliche Bewegungen auch für längere Zeithorizonte vorhergesagt werden können, wenn die Aktivitäten und damit die Intention der Person vorhergesagt werden. Zum anderen bietet die detaillierte menschliche Bewegung eine bessere Visualisierung und Interpretation der vorhergesagten Aktivitäten. Anstatt nur eine Aktivität vorherzusagen, prognostiziert das Modell auch die menschliche Bewegung, die zur Ausführung der Aktivität ausgeführt wird. Wir werden uns insbesondere auf die Modellierung der Prognoseunsicherheit fokussieren, denn die Zukunft ist mehrdeutig und es können mehrere Szenarien in der Zukunft eintreten. Wenn man zum Beispiel einen Videoschnipsel betrachtet, der eine unbekannte Person zeigt, die eine Tasse aus dem Schrank nimmt, können wir nicht sicher sein, ob die Person Tee oder Kaffee machen wird. Unser Ziel ist es daher, mehrere mögliche Aktivitäten und menschliche Bewegungen zu prognostizieren. Die Prognoseunsicherheit kann zudem reduziert werden, wenn zusätzliche Informationen zur Verfügung stehen. Wenn wir zum Beispiel wissen, dass die Person lieber Tee als Kaffee trinkt, ist es wahrscheinlicher, dass die Person Tee macht. Auch wenn die Person bisher nicht beobachtet wurde, liefern externe Faktoren wie Land, Datum, Uhrzeit oder die vorhandenen Objekte zusätzliche Hintergrundinformationen, die die Prognoseunsicherheit reduzieren. Während in Deutschland Kaffee zum Frühstück sehr beliebt ist, wird in Großbritannien Tee bevorzugt und wenn wir wissen, dass kein Kaffee zur Verfügung steht, kann die Zubereitung von Kaffee sogar ausgeschlossen werden. Um die Prognoseunsicherheit zu verringern, wollen wir daher die Vorhersage von menschlichen Bewegungen und Aktivitäten in Abhängigkeit von diesen externen Faktoren modellieren.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2535: Anticipating Human Behavior