Status des Praktikums/der Masterarbeit: vergeben
Betreuer: Sebastian Zambanini

Problemstellung

Die traditionelle Informationsvermittlung in Wohnhausern wurde bis dato noch nicht von modernen Techniken der digitalen Welt erschlossen. Informationen wie Ankündigungen von Reparaturarbeiten, Zählerablesungen oder die generelle Betriebskostenabrechnung für das gesamte Haus erfolgen derzeit über Aushänge an Schaukästen oder schwarzen Bretter, welche im Eingangs- oder Postkastenbereich angebracht sind.
Die Menge an wichtiger und aktueller Informationen für eine Hausgemeinschaft kann über dieses Kommunikationsmittel jedoch nicht effizient transportiert werden. Der Einsatz aktueller Technologien ermöglicht eine leistungsfähigere, sichere und wirksamere Lösung mit Mehrwert für Hausverwaltung, Eigentümer/innen und Mitbewohner/innen. Durch maßgeschneiderte Selektion der angebotenen Inhalte, ästhetisch ansprechende Visualisierung und der Möglichkeit, selbst Inhalte am Infoterminal zu platzieren, kann die Lebensqualität der Mieter/innen nachhaltig gesteigert werden.
Ein wichtiger Aspekt ist dabei die Interaktivität: ein 3D-Sensor und Algorithmen zur Personendetektion und Gestenerkennung ermöglichen die kreative berührungslose Benutzerinteraktion mit dem Infodisplay, z.B. zur Navigation zu individuell gewünschten Inhalten. Zudem können Mieter/innen selbst via eMail Anzeigen (Lost&Found, Suche/Biete, Hinweise an die Hausgemeinschaft, etc.) schalten. Dies erhöht die Wohnqualität durch verbesserte/n Kommunikation und Zusammenhalt innerhalb der Hausgemeinschaft.

Zielsetzung

Es sollen verschiedene Aspekte der Personen- und Gestenerkennung in Tiefenbildern untersucht werden: Evaluierung von Sensoren (Structured Light, Time-of-Flight) sowie Literaturrecherche, Implementierung und Evaluierung von geeigneten Algorithmen. Die Bearbeitung kann sowohl im Rahmen eines Praktikas als auch einer Masterarbeit erfolgen.

Bezahlung

Es besteht die Möglichkeit einer finanziellen Vergütung sowohl bei Praktikum als auch Masterarbeit.

Literatur

Jacob, M., & Wachs, J. 2014. Context-based hand gesture recognition for the operating room. Pattern Recognition Letters, 36, 196–203.
Ren, G., Li, C., O Neill, E., & Willis, P. 2013. 3D Freehand Gestural Navigation for Interactive Public Displays. IEEE Computer Graphics and Applications, 47–55.
Han, J., Shao, L., Xu, D., & Shotton, J. 2013. Enhanced Computer Vision with Microsoft Kinect Sensor: A Review. IEEE Transactions on Cybernetics, 43(5), 1318 – 1334.