Lins, Christian (2020) Evolutionär optimierte Haltungs- und Bewegungsmodelle auf Basis von Motion-Capture-Daten als Teil gesundheitsbezogener Assistenzsysteme. PhD, Universität Oldenburg.

Preview

Volltext (8Mb)

Abstract

Diese Arbeit beschreibt einen Ansatz zur Optimierung von Körperhaltungs- und Bewegungsmodellen auf Basis von Motion-Capture-Daten als Teil von gesundheitsbezogenen Assistenzsystemen. Zur Optimierung und Anpassung der Modelle werden hierbei evolutionäre Algorithmen verwendet. Es wird anhand eines generalisierten Konzepts gezeigt, wie sich Skelett-basierte Bewegungsdaten von Motion-Capture-Systemen nutzen lassen, um angepasste Modelle der menschlichen Bewegung zu erzeugen, mit denen sich dann bspw. Aussagen über die Gesundheit oder das Verhalten von Menschen treffen lassen. Das an konkrete Motion-Capture-Systeme und Anwendungsdomänen adaptierte Konzept wurde mit zwei gesundheitsbezogenen Anwendungsfällen auf die praktische Machbarkeit überprüft und empirisch evaluiert. Für die Anwendungsfälle werden Prototypen beschrieben und Ergebnisse der empirischen Evaluationsstudien diskutiert. Die Ergebnisse zeigen, dass der Ansatz grundsätzlich für praktische Anwendungsfälle umgesetzt werden kann.

["eprint_fieldname_title_plus" not defined]

Evolutionary optimized posture and motion models based on motion capture data as part of health-related assistance systems

["eprint_fieldname_abstract_plus" not defined]

This thesis describes an approach to optimize posture and movement models based on motion capture data as part of health-related assistance systems. Evolutionary algorithms (EA) are used to optimize and adapt the models. EA are algorithms, which are particularly characterized by their flexibility. Using a generalized concept, it is shown how skeleton-based motion data from optical or inertial motion capture systems can be used to generate adapted models of human motion, which can then be used to make statements about human health or behavior, for example. The concept, which has been adapted to specific motion capture systems and application domains, was tested for practical feasibility and empirically evaluated with two health-related use cases. For both applications software prototypes are described and results of the empirical evaluation studies are discussed. The results show that the approach can in principle be implemented for practical use cases.

Item Type:	Thesis (PhD)
Uncontrolled Keywords:	Motion Capturing, Gesundheit, Haltung, Bewegung, Modell, Evolutionärer Algorithmus
Subjects:	Technology, medicine, applied sciences > Medicine and health
Divisions:	Faculty of Medicine and Health Sciences > Department of Public Health and Medical Education
Date Deposited:	19 Jan 2021 12:31
Last Modified:	19 Jan 2021 12:31
URI:	https://oops.uni-oldenburg.de/id/eprint/4768
URN:	urn:nbn:de:gbv:715-oops-48496
DOI:
Nutzungslizenz:

Actions (login required)

View Item