<note warning> Achtung: diese Wiki-Seite befindet sich noch im Aufbau und ist noch nicht finalisiert !! </note>

<note tip> Hier findet ihr Hilfestellungen beim Formatieren des Wikis: HowTo - Wiki-Format
Hier gibt es Hilfe zum Erstellen eines Tutorials/Podcasts HowTo - Tutorial </note>

[TODO, insbesondere Referenzen referenzieren]

Das Seminar teilte sich in zwei Hauptbestandteile auf: Einem Theorie-Teil zur Einarbeitung und zur besseren Verständnis der praktischen Verfahren sowie einem Praxisteil, in dem die vorgestellten Segmentierungsmethoden angewandt werden.

Im Theorie-Teil wurden grundlegende Mathematik-Kenntnisse aufgefrischt mithilfe des dazugehörigen Skriptes. Dazu gehören zum Beispiel die Berechnung von Gelenkwinkelkonfigurationen und die Berechnung einer Principal Component Analyse (kurz: PCA). Zudem werden die beiden Segmentierungsverfahren, welche im Praxisteil implementiert werden, als Pseudocode skizziert.

Im diesjährigen Seminar war keine Aufnahme einer Bewegung notwendig, die zu verarbeitenden Bewegungssequenzen wurden uns zur Verfügung gestellt. Die zu betrachtenden Bewegungen waren:

• 3 Schritte (Gehen)
• „Punch-Bewegung“

Zunächst wurden die Sequenzen händisch segmentiert anhand der Videoaufnahme. Wir stellten fest, dass das intuitive Verständnis der Segmentierung in sofern variiert, dass immer unterschiedliche Granularitäten der Segmentierung möglich sind. Beispielsweise kann die Videosequenz der 3 Schritte grob in 3 Segmente unterteilt werden - mit einem Schritt in jedem Segment. Allerdings ist auch eine feingranulare Segmentierung denkbar abhängig vom Anwendungsfall. Ein Beispiel für eine solche Segmentierung ist die zusätzliche Trennung bei Kraftverlagerungen innerhalb eines Schrittes.

In der Implementierung wurde als erste Aufgabe die Gelenkwinkeltrajektorie zu den gegebenen Bewegungssequenzen mittels der geometrischen Methode implementiert. Das Framework für sämtliche Implementierungsaufgaben wurden gestellt, sodass das Einlesen und die Visualisierung bereits inbegriffen war.

Für die Bewegungssegmentierung wurden zwei Verfahren implementiert, jeweils für die Repräsentation im Gelenkwinkelraum und im kartesischen Raum:

• Verfahren A Das erste Verfahren basiert auf der Annahme, dass zwischen Aktionen (Segmenten) jeweils ein Zeitpunkt besteht, zu dem die Gelenkwinkelgeschwindigkeiten minimal werden. Zur Berücksichtigung aller Freiheitsgrade wird so ein Maß z(t) = Σ (x^i_t)^2 definiert, wobei (x^i_t) jeweils Bewegungsveränderungen zum Zeitpunkt t beschreiben. Sobald z(t) zu einem Zeitpunkt t einen empirisch ermittelten Schwellenwert α unterschreitet, wird eine Segmentierung bei t vorgenommen.
• Verfahren B Das zweite Verfahren nutzt die PCA zur Segmentierung der Bewegungssequenz. Es basiert auf der Annahme, dass einfache Bewegungen durch einen Merkmalsvektor mit minimaler Dimension dargestellt werden kann. Um die Zugehörigkeit zu einem Segment zu prüfen, wird der Projektionsfehler bei der Dimensionsreduzierung durch Rückprojektion berechnet und betrachtet. Ist dieser kleiner als ein bestimmter Schwellwert β, gehört dieser Zeitpunkt noch zum vorhergehenden Segment.

<imgcaption image1	3 Schritte, Verfahren A (Gelenkwinkelraum)></imgcaption>	<imgcaption image2	3 Schritte, Verfahren B (Gelenkwinkelraum)></imgcaption>

Die Abbildungen Abb. 1 und Abb. 2 zeigen den direkten Vergleich zwischen Verfahren A und B im Gelenkwinkelraum, Abb. 3 und Abb. 4 den Vergleich im kartesischen Raum. Offensichtlich eignet sich im kartesischen Raum bei dieser Beispielsequenz Verfahren A besser, während im Gelenkwinkelraum beide Verfahren relativ ähnliche Ergebnisse zeigen. Jedoch ist hier nicht zu vernachlässigen, dass die Ergebnisse wesentlich variieren, je nachdem, welche Werte als Schwellenwerte eingegeben werden.

<imgcaption image3	3 Schritte, Verfahren A (Kartesischer Raum)></imgcaption>	<imgcaption image4	3 Schritte, Verfahren B (Kartesischer Raum)></imgcaption>

[1] J. Barbič, A. Safonova, J. Pan, C. Faloutsos, J. Hodgins, N. Pollard: Segmenting Motion Capture Data into Distinct Behaviors

[2] J. Kohlmorgen, S. Lemm: A Dynamic HMM for On–line Segmentation of Sequential Data

[3] Lösung Theorie Übungen solutions.zip