Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

Filters

5
Reset filters

Settings
Now showing 1 - 5 of 5
  • Publication
    Cognitive Systems and Robotics
    ( 2019)
    Bauckhage, Christian
    ;
    Bauernhansl, Thomas
    ;
    Beyerer, Jürgen
    ;
    Garcke, Jochen
    Cognitive systems are able to monitor and analyze complex processes, which also provides them with the ability to make the right decisions in unplanned or unfamiliar situations. Fraunhofer experts are employing machine learning techniques to harness new cognitive functions for robots and automation solutions. To do this, they are equipping systems with technologies that are inspired by human abilities, or imitate and optimize them. This report describes these technologies, illustrates current example applications, and lays out scenarios for future areas of application.
  • Publication
    Gaussian Process based Dynamic Facial Emotion Tracking
    ( 2019)
    Dunau, Patrick
    ;
    Huber, Marco
    ;
    Beyerer, Jürgen
    Capturing the emotions of humans is of paramount importance in human-machine interaction. Here, emotions are typically extracted from the human's face recorded in image sequences. In this paper, tracking emotions from images is formulated as Bayesian state estimation problem where the system state represents the valence-arousal space of emotions. Handcrafted image features are first mapped to the valence-arousal space by means of a Gaussian process. To allow dynamic emotion tracking, a Kalman filter is derived, where an inequality constraint on the emotional state is employed in order to avoid a drifting state. Experiments based on two well-known facial expression datasets are performed to demonstrate the performance of the proposed approach.
  • Publication
    Comparison of Angle and Size Features with Deep Learning for Emotion Recognition
    ( 2019)
    Dunau, Patrick
    ;
    Huber, Marco
    ;
    Beyerer, Jürgen
    The robust recognition of a person's emotion from images is an important task in human-machine interaction. This task can be considered a classification problem, for which a plethora of methods exists. In this paper, the emotion recognition performance of two fundamentally different approaches is compared: classification based on hand-crafted features against deep learning. This comparison is conducted by means of well-established datasets and highlights the benefits and drawbacks of each approach.
  • Publication
    Kognitive Systeme und Robotik
    ( 2018)
    Bauckhage, Christian
    ;
    Bauernhansl, Thomas
    ;
    Beyerer, Jürgen
    ;
    Garcke, Jochen
    Kognitive Systeme können komplexe Prozesse überwachen, analysieren und gewinnen daraus auch die Fähigkeit, in ungeplanten oder unbekannten Situationen richtig zu entscheiden. Fraunhofer-Experten setzen Verfahren des maschinellen Lernens ein, um neue kognitive Funktionen für Roboter und Automatisierungslösungen zu nutzen. Dazu statten sie Systeme mit Technologien aus, die von menschlichen Fähigkeiten inspiriert sind bzw. diese imitieren und optimieren. Der Bericht beschreibt diese Technologien, erläutert aktuelle Anwendungsbeispiele und entwirft Szenarien für zukünftige Anwendungsfelder.
  • Publication
    Innovative Informationstechnik revolutioniert die Industrie
    ( 2014)
    Bauernhansl, Thomas
    ;
    Beyerer, Jürgen
    ;
    Ten Hompel, Michael
    Der Begriff »Industrie 4.0« bewegt Wirtschaft, Forschung und Politik in Deutschland; aber auch andere Länder beobachten diese Entwicklung bei uns. Was verbirgt sich hinter dem Schlagwort? Was ist neu daran? Welche Paradigmen liegen ihm zugrunde, welche Technologien brauchen wir zur Umsetzung, und wie werden sich in der Folge unsere Produktionsweise, unsere Arbeitswelt und unsere Wirtschaft verändern? Der technologische Wandel manifestiert sich u. a. in der Entwicklung und Einführung autonomer cyberphysischer Systeme (CPS). Dazu gehören »intelligente« Maschinen und Anlagen: Sie haben eine Identität, sie kommunizieren miteinander und mit der Umgebung, sie konfigurieren sich selbst, speichern Informationen, und am Ende organisieren sie sich auch dezentral selbst. Diese Systeme bewirken eine umwälzende technische Erneuerung von Produktion und Logistik, eine erhebliche Steigerung der Produktivität und damit einhergehend des Arbeitsangebots. Sie verändern In der Industrie das sozlotech- nische System-also die Kooperation zwischen Menschen und Technik - ebenso wie das Management. Einige Technologien, die heute das Label »Industrie 4.0« tragen, sind nicht fundamental neu. Ihre Ansätze existieren schon länger, werden aber nun griffig zusammengefasst, in einen Gesamtzusammenhang gestellt und zur Vision einer vierten industriellen Revolution weiterentwickelt. Für viele der Ansätze verfügen wir allerdings erst heute über die notwendigen informations- und kommunikationstechnischen Voraussetzungen, um sie In der Praxis umzusetzen.