@phdthesis{Hein2011,
  type      = {Master Thesis},
  author    = {Kristine Hein},
  title     = {Gestenerkennung mit der SFA : Klassifizierung von beschleunigungsbasierten 3D-Gesten des Wii-Controllers},
  url       = {https://nbn-resolving.org/urn:nbn:de:101:1-201108114725},
  year      = {2011},
  abstract  = {In dieser Arbeit wurde die Slow Feature Analysis (SFA) auf ihre Einsatzm{\"o}glichkeiten zur Gestenerkennung zu untersuchen. SFA ist ein Lernalgorithmus, der aus den Neurowissenschaften stammt und aus sich schnell ver{\"a}ndernden Signalen, die langsamsten Merkmale herausfiltert. Als Gesten werden in diesem Fall beschleunigungsbasierte dreidimensionale Signale des Wii-Controllers von Nintendo betrachtet. F{\"u}r die Untersuchungen wurden f{\"u}nf unterschiedliche Gesten von zehn Probanden verwendet. Diese Gesten liegen in Form von mehrdimensionalen Zeitreihen vor, die die Messwerte der Beschleunigungssensoren des Wii-Controllers enthalten. Die Gestendaten wurden mit einer Java-Anwendung aufgezeichnet, mit der die Wiimote {\"u}ber Bluetooth verbunden ist. F{\"u}r die Untersuchungen wurde eine Implementierung des SFA-Toolkits (MATLAB, SFA-TK) verwendet und die Ergebnisse mit denen anderer g{\"a}ngiger Verfahren verglichen. Untersucht wurde hierzu sowohl die Klassifizierung von Gesten, als auch Ans{\"a}tze zur Segmentierung, dem Erkennen von Anfang und Ende einer Geste.},
  language  = {de}
}