Biosignale und Benutzerschnittstellen
Diese Vorlesung führt in Technologien ein, die verschiedenste Biosignale des Menschen zur Übertragung von Information einsetzen und damit das Design von Benutzerschnittstellen revolutionieren. Hauptaugenmerk liegt dabei auf der Interaktion zwischen Mensch und Maschine. In der Vorlesung geben wir zunächst einem Überblick über die diversen menschlichen Biosignale, mit Fokus auf solche, die äußerlich abgeleitet werden können, wie etwa die Aktivität des Gehirns von der Kopfoberfläche (Elektroencephalogramm - EEG), die Muskelaktivität von der Hautoberfläche (Elektromyogramm - EMG), oder die Aktivität der Augen abgeleitet von den Schläfen (Elektrookulogramm - EOG). Daran anschließend werden die Grundlagen zur Ableitung, Vorverarbeitung, Erkennung und Interpretation dieser Signale vermittelt. Zur Erläuterung werden zahlreiche Anwendungsbeispiele aus der Literatur und eigenen Forschungsarbeiten vorgestellt.
Analyse und Modellierung menschlicher Bewegungen
Diese Vorlesung bietet eine Einführung in dieGrundlagen der Analyse und Modellierung menschlicher Bewegungsabläufe auf der Basis aufgezeichneter Bildsequenzen. Dabei werden zunächst mögliche Zielsetzungen der Bewegungsanalyse besprochen, die sich über sehr unterschiedliche Gebiete erstrecken können, etwa von der Trainingsoptimierung für Mensch und Maschine bis hin zur Erkennung von Personen und deren Absichten. Im Hinblick auf die dargelegten Zielsetzungen werden dann die Grundlagen der jeweils notwendigen Datenverarbeitungsschritte erläutert. Diese umfassen im wesentlichen die Methoden der Aufzeichung und Verarbeitung von Bildsequenzen sowie die Modellierung der Bewegung aus biomechanischer und kinematischer Sicht. Zur statistischen Modellierung, Segmentierung und Erkennung von Bewegungen werden die Hidden Markov Modelle vorgestellt. Die Ausführungen werden soweit möglich mithilfe aktueller Forschungsarbeiten aus den verschiedenen Anwendungsgebieten der menschlichen Bewegungsanalyse veranschaulicht.
Multilingual Speech Processing
In diesem Praktikum werden die Teilnehmer mit Hilfe des "Rapid Language Adaptation Toolkits" (RLAT) eingenständig einen Spracherkenner erstellen und testen. Schwerpunkt ist die Entwicklung und der Vergleich von Erkennern für verschiedene Sprachen oder Dialekte.
Im Cognitive Systems Lab entwerfen wir innovative, adaptive Schnittstellen zwischen Mensch und Maschine. Ein Anwendungsfall für uns sind natürlichsprachliche Dialogsysteme im Fahrzeug. In diesem Seminar konzentrieren wir uns in diesem Semester auf Techniken und Modelle, die Vorhersagen über Benutzerverhalten treffen können, bevor tatsächliche Benutzertestes durchgeführt werden, um dem System eine vorrausschauende Planung seines Verhaltens zu ermöglichen. Ein Beispiel für solche Techniken sind Benutzerzufriedenheitsmodelle, die aus dem Verlauf der Interaktion vorhersagen, wie zufrieden der Benutzer am Ende mit der Leistung des Systems sein wird. Im Seminar werden wir solche Methoden mit Hilfe klassischer und aktueller Forschungsarbeiten lernen und jeweils in einem Vortrag vorstellen.
Speaker Recognition and Biometrics
Speaker recognition is the process of automatically recognizing who is speaking on the basis of information included in speech signal. It is lately perceived to be crucial to various speech-aid applications, such as access control, transaction Authentication and etc. Three tasks are considered for speaker recognition, which are speaker identification, speaker verification and speaker diarization. Gaussian mixture models(GMM) and support vector machines(SVM) are two main approaches applied to most of the speaker recognition systems at present. The goal of this seminar is to get an overview of approaches to speaker recognition. The state-of-art technologies in this area are going to be compared and investigated.