Forschung

Human Activity Recognition (HAR) ist definiert als die Erfassung und Interpretation von menschlicher Aktivität. Dies kann beispielsweise im Kontext des "Ambient Assisted Living" (AAL) bedeuten, die Handlungen von Personen zu erfassen, um diesen ein möglichst langes, selbstbestimmtes Leben in ihrer gewünschten Umgebung zu ermöglichen. Weitere Anwendungsfälle sind die Optimierung von Trainingseinheiten in der Sportwissenschaft, oder Personen in ihrer Handwerksausbildung zu unterstützen. Die HAR muss dabei verschiedene grundlegende Aspekte erfüllen, die über die reine technische Performanz hinausgehen: Sie muss möglichst wartungsarm sein, einfach in der Installation, preiswert im Unterhalt und einfach in der Bedienung.

Zur Analyse der Human Activity Recognition (HAR) wird immer häufiger neben klassischen Methoden der Signalverarbeitung auch künstliche Intelligenz (KI) eingesetzt. Zu Beginn einer KI-Entwicklung für HAR steht durch die Vielfältigkeit der Ausgestaltung eines HAR-Systems stets die Abwägung sowohl zwischen der anzuwendenden KI-Algorithmen, als auch die Partitionierung der KI: Teile davon können als Embedded KI auf dem Sensorknoten selbst ausgeführt werden, andere Teile laufen zentral auf einem lokalen KI-Rechner oder in der Cloud. So entsteht eine hierarchische und modulare KI-Architektur, die zum Ziel hat, eine gute Performanz zu erreichen, aber gleichzeitig ressourcensparend ist.

Um eine Human Activity Recognition effizient und effektiv zu gestalten ist es notwendig, die menschliche Aktivität adäquat mittels Messung zu erfassen. Zentral ist hierbei die realitätsgetreue Erfassung der Aktionen über eine möglichst hochaufgelöste Messung von geeigneten Messgrößen: Sei es die Analyse der menschliche Pose im Raum mittels Computervision, oder die Messung der Beschleunigungen der einzelnen Extremitäten des Menschen mittels Wearables. Auch eine indirekte Erfassung kann hier angewandt werden, bei der die Objekte, mit denen der Mensch bei einem bestimmten Prozess interagiert, mit Sensorik ausgestattet werden. Ziel ist somit die Gestaltung von sensorischer Hardwaresysteme und ganzer Sensornetzwerke, die diese Möglichkeiten bieten.