© Excellent backgrounds/Shutterstock.com
Java Magazin
Von Sensordaten zur erkannten Aktivität in wenigen Schritten

Da tut sich was


Tragbare Sensoren haben längst Einzug in unseren Alltag gehalten. Wie man erfolgreich Bewegungssensorik und Maschinenlernverfahren nutzen kann, um in wenigen Schritten von Sensordaten zu einem System zur Erkennung einfacher menschlicher Aktivitäten zu gelangen, zeigen wir in diesem Artikel.

Video: Rise of the Machines

Dank des massiven Preisverfalls mikroelektromechanischer Systeme (MEMS) haben unzählige Sensoren Einzug in unseren Alltag gehalten. Vor allem die so genannte Inertialsensorik, also Beschleunigungs- und Drehratensensoren, ermöglichen durch ihre inzwischen allgegenwärtige Verfügbarkeit insbesondere in mobilen Geräten viele interessante Einsatzmöglichkeiten, etwa die Steuerung von Programmen mittels Gesten, Sturzerkennung oder auch die Navigation in Vir­tual- und Augmented-Reality-Umgebungen. Ein weiteres Anwendungsfeld ist das automatisierte Erkennen der aktuellen Aktivität eines Nutzers. Dazu wird aus den Bewegungsmustern, welche die Sensoren aufzeichnen, in mehreren Teilschritten auf die den Beobachtungen zugrunde liegenden Tätigkeiten geschlossen. Das ist kein Hexenwerk und lässt sich mittels frei verfügbarer Werkzeuge und Bibliotheken inzwischen leicht in Java umsetzen. Zum Einsatz kommt hier das Weka-Toolkit (Kasten: „Weka 3: Weikato Environment for Knowledge Analysis“), ein frei verfügbares, in Java implementiertes Datamining-Werkzeug. Ziel dieses Artikels ist es, Ihnen einen Einblick in das Forschungsfeld der Aktivitätserkennung zu vermitteln. Am Ende sollten Sie in der Lage sein, ein System zur Erkennung einfacher Aktivitäten zu implementieren – etwa zur Bereitstellung kontextsensitiver Funktionen und Services oder auch als persönlichen Fitnesstracker.

Die Aktivitätserkennungspipeline

Die allgemeine Vorgehensweise zur Erkennung menschlicher Aktivitäten stammt historisch gesehen aus einem Teilgebiet des KI-Forschungsfelds Computer Vision, bei dem Kamerabilder durch Algorithmen automatisch analysiert und interpretiert werden, um Bewegungen und Tätigkeiten zu identifizieren. Dadurch, dass Bewegungssensoren immer kleiner und billiger wurden, wurden die Verfahren an die neuen Sensormodalitäten adaptiert und nach und nach durch spezialisierte Methoden und Modelle verbessert. Während sich die Forschung inzwischen auf komplexe und abstraktere kausale Handlungsmodelle konzentriert, ist es bereits für Nichtwissenschaftler möglich, grundlegende Aktivitäten wie Gehen, Stehen oder Radfahren mithilfe von Sensoren, wie sie etwa im Mobiltelefon v...

Java Magazin
Von Sensordaten zur erkannten Aktivität in wenigen Schritten

Da tut sich was

Tragbare Sensoren haben längst Einzug in unseren Alltag gehalten. Wie man erfolgreich Bewegungssensorik und Maschinenlernverfahren nutzen kann, um in wenigen Schritten von Sensordaten zu einem System zur Erkennung einfacher menschlicher Aktivitäten zu gelangen, zeigen wir in diesem Artikel.

Albert Hein, Frank Krüger, Thomas Kirste


Tragbare Sensoren haben längst Einzug in unseren Alltag gehalten. Wie man erfolgreich Bewegungssensorik und Maschinenlernverfahren nutzen kann, um in wenigen Schritten von Sensordaten zu einem System zur Erkennung einfacher menschlicher Aktivitäten zu gelangen, zeigen wir in diesem Artikel.

Video: Rise of the Machines

Dank des massiven Preisverfalls mikroelektromechanischer Systeme (MEMS) haben unzählige Sensoren Einzug in unseren Alltag gehalten. Vor allem die so genannte Inertialsensorik, also Beschleunigungs- und Drehratensensoren, ermöglichen durch ihre inzwischen allgegenwärtige Verfügbarkeit insbesondere in mobilen Geräten viele interessante Einsatzmöglichkeiten, etwa die Steuerung von Programmen mittels Gesten, Sturzerkennung oder auch die Navigation in Vir­tual- und Augmented-Reality-Umgebungen. Ein weiteres Anwendungsfeld ist das automatisierte Erkennen der aktuellen Aktivität eines Nutzers. Dazu wird aus den Bewegungsmustern, welche die Sensoren aufzeichnen, in mehreren Teilschritten auf die den Beobachtungen zugrunde liegenden Tätigkeiten geschlossen. Das ist kein Hexenwerk und lässt sich mittels frei verfügbarer Werkzeuge und Bibliotheken inzwischen leicht in Java umsetzen. Zum Einsatz kommt hier das Weka-Toolkit (Kasten: „Weka 3: Weikato Environment for Knowledge Analysis“), ein frei verfügbares, in Java implementiertes Datamining-Werkzeug. Ziel dieses Artikels ist es, Ihnen einen Einblick in das Forschungsfeld der Aktivitätserkennung zu vermitteln. Am Ende sollten Sie in der Lage sein, ein System zur Erkennung einfacher Aktivitäten zu implementieren – etwa zur Bereitstellung kontextsensitiver Funktionen und Services oder auch als persönlichen Fitnesstracker.

Die Aktivitätserkennungspipeline

Die allgemeine Vorgehensweise zur Erkennung menschlicher Aktivitäten stammt historisch gesehen aus einem Teilgebiet des KI-Forschungsfelds Computer Vision, bei dem Kamerabilder durch Algorithmen automatisch analysiert und interpretiert werden, um Bewegungen und Tätigkeiten zu identifizieren. Dadurch, dass Bewegungssensoren immer kleiner und billiger wurden, wurden die Verfahren an die neuen Sensormodalitäten adaptiert und nach und nach durch spezialisierte Methoden und Modelle verbessert. Während sich die Forschung inzwischen auf komplexe und abstraktere kausale Handlungsmodelle konzentriert, ist es bereits für Nichtwissenschaftler möglich, grundlegende Aktivitäten wie Gehen, Stehen oder Radfahren mithilfe von Sensoren, wie sie etwa im Mobiltelefon v...

Angebote für Teams

Für Firmen haben wir individuelle Teamlizenzen. Wir erstellen Ihnen gerne ein passendes Angebot.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang