de
en
Schliessen
Detailsuche
Bibliotheken
Projekt
Impressum
Datenschutz
zum Inhalt
Detailsuche
Schnellsuche:
OK
Ergebnisliste
Titel
Titel
Inhalt
Inhalt
Seite
Seite
Im Dokument suchen
Wall, Eduard: Automatische Detektion menschlichen Kopfnickens und Wege zur Interpretation. 2021
Inhalt
Abbildungsverzeichnis
Tabellenverzeichnis
1 Einleitung
1.1 Mensch-Agenten-Interaktion
1.2 Zielsetzung
1.3 Aufbau der Arbeit
2 Grundlagen der automatischen Kopfgestenerkennung
2.1 Prinzipien der Gestenerkennung
2.2 Sensorik zur Erfassung von Kopfgesten
2.3 Gesichtserkennung
2.4 Merkmale von Kopf und Gesicht
2.5 Kopfwinkelschätzung
2.6 Relevante Arbeiten zu Kopfnickdetektion
2.7 Detektionsmethoden
2.7.1 Dynamic Time Warping
2.7.2 Support Vector Machine und Regression
3 Grundlagen des menschlichen Kopfnickens
3.1 Anatomie der Kopfgelenke
3.2 Kopfnicken als kommunikatives Signal
3.3 Soziologische und neuropsychologische Erkenntnisse um Kopfnicken
3.4 Kulturelle Unterschiede und Einordnung
3.5 Ansätze zur Simulation menschlichen Kopfnickverhaltens
3.6 Ausblick zur automatischen Interpretation
4 Ein Assistenzsystem als Begleiter für Menschen mit Unterstützungsbedarf
4.1 Anwendungsszenario
4.2 Agent Billie
5 Ein System zur Detektion von Kopfnicken
5.1 Systemanforderungen
5.2 Systemüberblick
5.3 Hardware und Sensorik
5.4 Gesichtsmerkmale
5.5 Kopfwinkelschätzung mittels SVR
5.6 Dynamic Time Warping zur Kopfnickdetektion
5.6.1 Online Dynamic Time Warping
5.6.2 Merkmale und deren Vorverarbeitung für DTW
5.6.3 Slope Constraints in Online Dynamic Time Warping
5.6.4 Normalisierung der Kostenfunktion
5.6.5 Auswahl des repräsentativen Prototypen
5.7 Support Vector Machine zur Kopfnickdetektion
5.7.1 Fensterbreite
5.7.2 Merkmale und deren Vorverarbeitung
6 Evaluation des Detektionssystems für Kopfnicken
6.1 Frame-basierte und Event-basierte Evaluation
6.2 Eingesetzte Evaluationsmethoden in verwandten Arbeiten
6.3 Grundproblematiken verschiedener Evaluationskriterien
6.4 Training und Testverfahren für DTW
6.4.1 Training in Form von Prototyp-Suche
6.4.2 Kreuzvalidierung
6.5 Training für SVM
6.5.1 Auswahl der Trainingsvektoren
6.5.2 Kreuzvalidierung mit SVM
6.6 Ergebnisse von DTW und SVM
6.7 Zusammenfassung der Erkennungsergebnisse
7 Ansätze zur automatischen Interpretation
7.1 Klassifikation von Zuhörer-Nicken nach Hadar
7.1.1 Die drei Kategorien 'Bestätigung','Antizipation' und 'Synchronisation'
7.1.2 Datensatz und Annotation
7.1.3 Merkmale und Datenanalyse
7.1.4 Klassifikation und Ergebnisse
7.1.5 Fazit
7.2 Feedback in Form von Zuhörer-Nicken: P1-P3
7.2.1 Datensatz und Analyse
7.2.2 Ergebnisse und Diskussion
7.3 Ausblick für weitere Anwendungen
7.3.1 Backchannel oder Turn-Taking
7.3.2 Anpassung der Agenten-Verbosität anhand des Nutzer-Nickverhaltens
8 Zusammenfassung und Ausblick
Literaturverzeichnis