Date
2018-12Metadata
Show full item record
Dissertation
Proaktive Tätigkeitsunterstützung
Proaktive Tätigkeitsunterstützung
Adaptive Tätigkeitserkennung in Abhängigkeit der Pupillendynamik und Entwicklung einer situativen Assistenz
Abstract
In der vorliegenden Dissertation wird eine Methode zur Identifikation von durchgeführten Tätigkeiten anhand der Pupillendynamik entwickelt. Dieses Methode bildet die Grundlage für eine kontextabhängige Unterstützung bei der Durchführung von Tätigkeiten durch ein Nutzerassistenzsystem. Hierzu werden aus der Literatur Merkmale zusammengetragen, die sich aus der Pupillendynamik ableiten lassen und sich zur Kontexterkennung eignen. Aufbauend auf diesen grundlegenden Merkmalen, werden differenziertere Merkmale entwickelt, die anschließend zur Kontextidentifikation herangezogen werden. Die Aussagekraft der zusammengetragenen und entwickelten Merkmale zur Klassifikation von Tätigkeiten in Verbindung mit einem künstlichen neuronalen Netzwerk wird ermittelt. Hierzu werden Tätigkeiten definiert, welche industrietypischen Tätigkeiten entsprechen. Bei der Durchführung dieser Tätigkeiten wird die Pupillendynamik mit Hilfe eines Blickerfassungssystems bei 9 Probanden erfasst. Hieraus werden die Merkmale extrahiert mit denen ein künstliches neuronales Netzwerk trainiert wird, um einen Klassifikator zu generieren, der in der Lage ist, die entsprechende Tätigkeit in situ zu klassifizieren. Zur Optimierung der Klassifikationsleistung werden mittels eines genetischen Optimierungsverfahrens die Merkmale und deren Kombinationen identifiziert, welche die höchste Relevanz für die Differenzierung der Tätigkeiten aufweisen. Die auf diese Weise selektierten Merkmale können als ausreichend aussagekräftig betrachtet werden und, trotz individueller Unterschiede, personengruppenübergreifend Verwendung finden. Abschließend wird die in situ Tätigkeitserkennung validiert und unter Verwendung eines binokularen See-Through-Displays wird Rückmeldung über die korrekte Ausführung einer Tätigkeitssequenz gegeben.
Sponsorship
LOEWE-Forschungsschwerpunkt "Safer Materials - Sichere und zuverlässige Werkstoffe", Teilprojekt B4Citation
@phdthesis{doi:10.17170/kobra-2018120643,
author={Jennerich, Marco},
title={Proaktive Tätigkeitsunterstützung},
school={Kassel, Universität Kassel, Fachbereich Maschinenbau},
month={12},
year={2018}
}
0500 Oax
0501 Text $btxt$2rdacontent
0502 Computermedien $bc$2rdacarrier
1100 2018$n2018
1500 1/ger
2050 ##0##http://hdl.handle.net/123456789/11014
3000 Jennerich, Marco
4000 Proaktive Tätigkeitsunterstützung / Jennerich, Marco
4030
4060 Online-Ressource
4085 ##0##=u http://nbn-resolving.de/http://hdl.handle.net/123456789/11014=x R
4204 \$dDissertation
4170
5550 {{Tätigkeit}}
5550 {{Pupillometrie}}
5550 {{Änderungserkennung}}
5550 {{Assistenzsystem}}
5550 {{Optimierung}}
5550 {{Künstliche Intelligenz}}
5550 {{Arbeitswissenschaft}}
7136 ##0##http://hdl.handle.net/123456789/11014
<resource xsi:schemaLocation="http://datacite.org/schema/kernel-2.2 http://schema.datacite.org/meta/kernel-2.2/metadata.xsd"> 2018-12-13T13:06:48Z 2018-12-13T13:06:48Z 2018-12 doi:10.17170/kobra-2018120643 http://hdl.handle.net/123456789/11014 LOEWE-Forschungsschwerpunkt "Safer Materials - Sichere und zuverlässige Werkstoffe", Teilprojekt B4 ger Urheberrechtlich geschützt https://rightsstatements.org/page/InC/1.0/ Kontexterkennung Aktivitätserkennung Assistenzsysteme Eyetracking Blickerfassung Optimierung Feature Engineering Künstliche Intelligenz Arbeitswissenschaften 620 Proaktive Tätigkeitsunterstützung Dissertation In der vorliegenden Dissertation wird eine Methode zur Identifikation von durchgeführten Tätigkeiten anhand der Pupillendynamik entwickelt. Dieses Methode bildet die Grundlage für eine kontextabhängige Unterstützung bei der Durchführung von Tätigkeiten durch ein Nutzerassistenzsystem. Hierzu werden aus der Literatur Merkmale zusammengetragen, die sich aus der Pupillendynamik ableiten lassen und sich zur Kontexterkennung eignen. Aufbauend auf diesen grundlegenden Merkmalen, werden differenziertere Merkmale entwickelt, die anschließend zur Kontextidentifikation herangezogen werden. Die Aussagekraft der zusammengetragenen und entwickelten Merkmale zur Klassifikation von Tätigkeiten in Verbindung mit einem künstlichen neuronalen Netzwerk wird ermittelt. Hierzu werden Tätigkeiten definiert, welche industrietypischen Tätigkeiten entsprechen. Bei der Durchführung dieser Tätigkeiten wird die Pupillendynamik mit Hilfe eines Blickerfassungssystems bei 9 Probanden erfasst. Hieraus werden die Merkmale extrahiert mit denen ein künstliches neuronales Netzwerk trainiert wird, um einen Klassifikator zu generieren, der in der Lage ist, die entsprechende Tätigkeit in situ zu klassifizieren. Zur Optimierung der Klassifikationsleistung werden mittels eines genetischen Optimierungsverfahrens die Merkmale und deren Kombinationen identifiziert, welche die höchste Relevanz für die Differenzierung der Tätigkeiten aufweisen. Die auf diese Weise selektierten Merkmale können als ausreichend aussagekräftig betrachtet werden und, trotz individueller Unterschiede, personengruppenübergreifend Verwendung finden. Abschließend wird die in situ Tätigkeitserkennung validiert und unter Verwendung eines binokularen See-Through-Displays wird Rückmeldung über die korrekte Ausführung einer Tätigkeitssequenz gegeben. open access Jennerich, Marco 2018-11-29 140, XXIV Seiten Kassel, Universität Kassel, Fachbereich Maschinenbau Sträter, Oliver (Prof. Dr.) Schulz, Ralf-Kiran (Prof. Dr.) Tätigkeit Pupillometrie Änderungserkennung Assistenzsystem Optimierung Künstliche Intelligenz Arbeitswissenschaft Adaptive Tätigkeitserkennung in Abhängigkeit der Pupillendynamik und Entwicklung einer situativen Assistenz publishedVersion </resource>
The following license files are associated with this item:
:Urheberrechtlich geschützt