MeMoMan2 - Methods for real-time accurate Model-based Measurement of HuMan Motion

• Applicant: Professor Michael Beetz, Ph.D.
• Subject Area: Human Factors, Ergonomics, Human-Machine Systems
• Term: from 2005 to 2016
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 14188462

Zwei Fachrichtungen haben sich bisher sehr erfolgreich mit der kameragestützten Vermessung menschlicher Bewegungen beschäftigt: die kamerabasierte Messmethodik in der Ergonomie sowie der Bereich des Bildverstehens in der Künstlichen Intelligenz. Die in den jeweiligen Fachrichtungen entstandenen Methoden haben komplementäre Stärken und Schwächen. Die Methoden der Ergonomie zeichnen sich durch eine sehr hohe Genauigkeit aus, die vor allem durch die Verwendung von Markermesssystemen und die zeitintensive Nachbearbeitung durch menschliche Operatoren erreicht wird. Die Methoden des Bildverstehens hingegen arbeiten autonom, in Realzeit und funktionieren auch unter Schwankungen der Umgebungsbedingungen. Sie erreichen aber bisher nicht die für die Ergonomieforschung benötigte Genauigkeit. In dem hier beantragten Forschungsprojekt MeMoMan wird ein neues Berechnungsmodell und Computersystem für die Vermessung menschlicher Bewegungen entwickelt, implementiert und untersucht. Dieses System, das die erfolgreichen Ansätze der Fachrichtungen Ergonomie und Bildverstehen in der Künstlichen Intelligenz kombiniert, besteht aus zwei Komponenten: dem MeMoMan Modell und dem MeMoMan Tracker. Das MeMoMan Modell ist ein digitales Menschmodell, das Wahrscheinlichkeitsverteilungen über menschliche Gestalt, Haltungen und Bewegungen spezifiziert. Dieses Menschmodell wird benutzt, um a posteriori Verteilungen über diesen Modellen für gegebene Bildsequenzen zu bestimmen. Neben diesen probabilistischen Modellkomponenten beinhaltet das MeMoMan Modell biomechanische Präferenzen und Kostenfunktionen, um den Komfort von Haltungen und Bewegungen zu berücksichtigen. Ausgangsbasis unserer Modellentwicklung bildet das am Lehrstuhl für Ergonomie entwickelte RAMSIS Menschmodell, das mittlerweile im Fahrzeugdesign weitverbreitet und sehr erfolgreich ist. Der MeMoMan Tracker passt ein parameterisiertes Kurvenmodell für digitale MeMoMan Modelle an die gegebenen Bilddaten an. Die Besonderheit des Verfahrens besteht darin, dass es lokale Modelle für die Regionen im Abbild des Menschen und im Hintergrund benutzt und diese während des Interpretationsprozesses automatisch lernt. Dies ermöglicht dem Me- MoMan Tracking Verfahren auch unter wechselnden Umgebungsbedingungen hochgenaue Messungen durchzuführen und State-of-the-Art Verfahren, wie den Condensation Algorithmus in Bezug auf Genauigkeit und Zeitressourcen um eine Größenordnung zu verbessern. Die Basis des Trackers bildet das CCD Tracking Verfahren (Hanek und Beetz, 2004; Hanek, 2004), das bereits auf internationalen Konferenzen ausgezeichnet wurde. Dieses Projekt wird zu neuen Erkenntnissen in verschiedenen Forschungsbereichen beitragen: Es werden neue, automatische und echtzeitfähige Methoden zur Bewegungsmessung für die Ergonomie entwickelt. Darüber hinaus wird die Generierung von Menschmodellen erleichtert und die kamerabasierte Wahrnehmung komplexer Handlungen vorangetrieben. Diese Ergebnisse können die Produkt- und Arbeitsplatzgestaltung für weite Bereiche der Bevölkerung, insbesondere ältere Mitmenschen, nachhaltig positiv beeinflussen. Die Ergebnisse werden in mehreren Anwendungstestbetten demonstriert und evaluiert: die Bewertung des Designs von Fahrzeuginnenräumen, intelligente kameragestützte Räume und kamerabasierte Operationssäle.

• DFG Programme: Research Grants
• Participating Persons: Professor Dr. Heiner Bubb; Professor Dr. Bernd Radig