Personen- und Tätigkeitsunterscheidung anhand von Gehdaten

Type: Master thesis
Students: Stefan Berg
Advisor: Marc Bächlin, Daniel Roggen
Project: DAPHNet

Ziel einer automatischen biometrischen Personenidentifikation ist es, Personen anhand ihrer individuellen physiologischen oder Verhaltenscharakteristik zu erkennen. Ziel dieser Arbeit war es Personen anhand ihrer individuellen Bewegung beim Gehen zu erkennen. Zudem sollten auch verschiedene Arten von Gehbewegungen einer Person voneinander unterschieden werden. Dafür wurde ein Algorithmus gesucht, der eine Unterscheidung von Personen und Tätigkeiten über mehrere Tage ermöglicht und auch ein Mass für Ähnlichkeiten zwischen Bewegungen ausgibt, bzw. Änderungen von Bewegungen detektieren kann.

Es wurden zwei Methoden implementiert. Zum einen ein neuer Algorithmus, der sogenannte MADE-Algorithmus (Motif Appearance DEtection), zum andern ein bekannter Ansatz mit Mittelwert und Varianz. Dies ermöglichte es, die Ergebnisse die mit der neuen Methode erzielt wurden mit einem Standardverfahren zu vergleichen.

Beide Methoden benötigen Trainingsdaten um Features zu erhalten, welche anschliessend bei weiteren Daten für eine Klassifizierung genutzt werden. In der Abbildung 1 ist für den MADE-Algorithmus der Ablauf des Trainings bzw. der Klassifikation schematisch dargestellt.

Die Daten wurden bei drei Experimenten generiert, wobei bei den ersten beiden je fünf Versuchspersonen auf einem Laufband gingen und beim dritten drei Personen frei Treppen hoch und runter gehen konnten. Die Personen bewegten sich dabei mit verschiedenen Geschwindigkeiten, Lasten und Schuhen. Die Daten wurden anschliessend normiert, um die leicht unterschiedliche Ausrichtung der Sensoren herauszufiltern.