Offen
25.01.2024
Masterarbeit
Traditional approaches to exercise recognition involve training specific classifiers for each exercise, typically utilizing sensor data such as accelerometer and positional data. In addition to motion capture data, one could also incorporate textual descriptions of a posture (e.g., „starting from an upright position, extend both arms forward, then move your left leg backwards“). By establishing the connection between textual descriptions of postures and motion capture data, we can ultimately determine the accuracy of an entire exercise execution.
Betreuer/in: Dr.-Ing. Polona Caserman
![]()
Masterarbeit
Regelmäßige körperliche Bewegung ist für die allgemeine Gesundheit unerlässlich. Bei Sport ist es aber auch entscheidend, die Wahrscheinlichkeit von Verletzungen durch falsche Übungsausführungen zu reduzieren. Mit Hilfe von Motion Capture Technologien, wie z.B. der Teslasuit (Bild oben links), können wir Ausführungsfehler in Echtzeit erkennen und durch haptisches Feedback korrigieren.Regelmäßige körperliche Bewegung ist für die allgemeine Gesundheit unerlässlich. Bei Sport ist es aber auch entscheidend, die Wahrscheinlichkeit von Verletzungen durch falsche Übungsausführungen zu reduzieren. Mit Hilfe von Motion Capture Technologien, wie z.B. der Teslasuit (Bild oben links), können wir Ausführungsfehler in Echtzeit erkennen und durch haptisches Feedback korrigieren.
Betreuer/innen: Dr.-Ing. Polona Caserman, Dr.-Ing. Thomas Tregel
Laufend
Bachelorarbeit
The motivation behind this proposal is to investigate the feasibility of integrating ChatGPT into an existing VR game focusing on teaching Scrum. ChatGPT will be utilized within the game to empower AI-driven virtual characters, generate quizzes based on the player’s knowledge, and enhance the overall narrative for a more engaging experience.
Betreuer/innen: Dr.-Ing. Polona Caserman, Florian Horn,, M.Sc.
![]()
01.10.2023
Masterarbeit
In dieser Abschlussarbeit steht die Echtzeit-Klassifizierung von Battison's Sign Types mittels Datenhandschuhen und Arm-Controllern im Vordergrund. Ziel ist es, Handformen und Bewegungen automatisch zu erkennen und zu klassifizieren, um die Typen von Gebärden nach Battison zu bestimmen. Neben der Anpassung eines bestehenden Handformklassifizierers wird ein Bewegungsklassifizierer entwickelt, gefolgt von einem Meta-Klassifizierer zur Bestimmung des Sign Types. Zusätzlich wird ein Ansatz zur Live-Segmentierung der Gebärden in Echtzeit erarbeitet. Das Projekt kombiniert Machine Learning mit der faszinierenden Welt der Gebärdensprache und bietet eine innovative Schnittstelle zwischen Technologie und Kommunikation.
Betreuer/in: Philipp Achenbach,, M.Sc.
![]()
Abgeschlossen
Bachelorarbeit
Novel smartwatches can estimate users’ cardio fitness level and can thus predict VO2max, which is the maximum amount of oxygen your body can consume during exercise. Typically, VO2max is measured or tested in a laboratory setting, while wearing expensive masks. These masks are then used to record the oxygen consumption and carbon dioxide production while riding a bike. Recently, novel smartwatches introduced algorithms to predict the VO2max.
Betreuer/in: Dr.-Ing. Polona Caserman
Bachelorarbeit
Different music genres and sound effects enhance the player's experience while playing games. Especially in VR- based games, that intend to convey the sense of “being” there in the virtual environment, music seems to be essential to create a more immersive experience.
Therefore, in this thesis, you should explore to which extent music affects player experience in VR.
Betreuer/in: Dr.-Ing. Polona Caserman
![]()
Masterarbeit
Zwei Inertial Measurement Units (IMUs) mit sechs Bewegungsfreiheitsgraden (DoF) und zwei Magnetometer (3 DoF) sollen zu einem Arm-Controller, bestehend aus zwei Armmaschetten kombiniert werden (siehe erstes Bild). Eine Vorarbeit wurde hier bereits erbracht. Ergänzt werden sollen zudem ein Paar Datenhandschuh zur akuraten Erfassung von Hand- und Fingerbewegungen (siehe zweites Bild).
Mit diesem System soll nun eine Klassifizierung von Gebärden in sechs verschiedene Typen nach Battison (1978) erfolgen, anhand ihrer artikulatorischen Komplexität. Diese besteht im wesentlichen aus der Art der beiden Handformen und der Bewegegungen, welche die beiden Hände/Arme ausführen. Für die Handform liegt bereits aus einer vorhergehenden Arbeit ein geeigneter Klassifizierer für die rechte Hand vor, der für eine Klassifizerung der linken Hand angepasst werden muss. Die Bewegungen müssen mit Hilfe der Handschuhe und des oben genannten Arm-Controllers erfasst und mittels einem geeigneten Klassifizierers oder regelbasiertem Ansatzes erkannt werden können. Die Wahl des Ansatzes hat begründet zu erfolgen.
Es müssen acht unterschiedliche Arten von Bewegungen erkannt werden, darunter u.a. zirkuläre, gerade und geschwungene Bewegungen. Eine automatische Segmentierung der Daten soll auch berücksichtigt werden. Die Arbeit soll möglichst in englischer Sprache verfasst werden.
Betreuer/in: Philipp Achenbach,, M.Sc.
Bachelorarbeit
In dieser Arbeit sollen verschiedene Methoden zur Data Augmentation von durch Wearables aufgenommene Daten im Kontext einer Gebärdesprachenerkennung implementiert und deren Ergebnisse verglichen werden. Hierbei sollen sowohl physikalische als auch anatomische Einschränkungen ermittelt und berücksichtigt werden.
Es soll eine Einschätzung zur Generalisierbarkeit des Ansatzes bzw. dessen Adaption auf ähnliche Sensordaten gegeben werden.
Betreuer/in: Philipp Achenbach,, M.Sc.
![]()
Masterarbeit
Mit Hilfe zweier IMUs soll die Armhaltung (also Winkel zueinander) bestimmt werden. Die Genauigkeit des Ansatzes soll mit dem HTC Vive Tracking System evaluiert werden.
Betreuer/in: Philipp Achenbach,, M.Sc.
![]()
Bachelorarbeit
In dieser Arbeit soll mit Hilfe von MediaPipe (https://google.github.io/mediapipe/) ein Ansatz zur Parametrisierung von Gebärden entwickelt werden. Der Ansatz soll aus Videodateien die wesentlichen charakteristischen Merkmale einer Gebärde der ASL extrahieren, klassifizierung und in einer Datenbank speichern.
Betreuer/innen: Philipp Achenbach,, M.Sc., Philipp Müller,, M.Sc.
![]()
Bachelorarbeit
In dieser Arbeit sollen mit Hilfe von Datenhandschuhen und durch geeigneter Machine Learning Klassifizerer 30 statische Handformen der Gebärdensprache erkannt und differenziert werden können.
Betreuer/in: Philipp Achenbach,, M.Sc.
![]()
