Machine Learning für eine gesunde Körperhaltung

17 Oktober 2018
| |

Machine Learning verändert nicht nur Industrie und Wirtschaft, sondern hat auch positive Auswirkungen auf unsere Gesundheit. Denn Algorithmus unterstütze Bilderkennung kann bereits heute in der Krankenpflege und Prävention eingesetzt werden. Ein Erfahrungsbericht von Johannes Vogel.

Machine Learning mit Microsoft Azure´s Computer Vision API.

Verspannung, Hexenschuss oder Bandscheibenvorfall – rund 80 Prozent der Bevölkerung leiden unter Rückenproblemen. Meist sind falsche Körperhaltung oder eine falsche Belastung durch Bewegungen die Ursache. Diesem Problem lässt sich glücklicherweise mit einfachen Maßnahmen entgegenwirken. Da man beim konzentrierten Arbeiten aber nicht immer auf eine gesunde Körperhaltung achtet, passiert es oft, dass man sich nach langer Arbeit am Schreibtisch in einer überstrecken Körperhaltung wiederfindet. Das aufrechte Sitzen am Arbeitsplatz will gelernt sein.

Um mich nicht ständig daran erinnern zu müssen, meine eigene Körperhaltung zu überprüfen, entschloss ich mich dazu eine App zu programmieren, die dies für mich erledigt. Sobald sich der Körper zu lange in einer ungesunden Haltung befindet, erhält man über die App eine entsprechende Benachrichtigung.

Machine Learning und Object Detection.

Da klassische Programme meist zu einfach sind, um eine Unterscheidung zwischen guter oder schlechter Körperhaltung zu treffen, entschied ich mich für den Einsatz von Machine Learning unterstützter Bilderkennung, um den komplexeren Umständen der Ausgangssituation zu begegnen.

Ziemlich schnell stieß ich dabei auf Microsofts Computer Vision API, die unter anderem Bilder automatisiert kategorisieren kann. Über die von Microsoft angebotene SDK ließ ich auf diesem Weg meine zuvor aufgenommene Bilder automatisch kategorisieren. Entscheidend hierfür ist es die Testdaten bereitzustellen. In diesem Fall Bilder, die man mit Tags kennzeichnet.

Einfache Hardware im Einsatz.

Die Anforderungen an die Hardware sollten relativ niedrig gehalten werden. Die App sollte sich einfacher und verbreiteter Mittel bedienen. Heutzutage ist ein Großteil der Laptops mit einer Webcam ausgestattet. Da ich ebenso die meiste Zeit vor meinem Laptop arbeite, entschied ich mich dafür eine Webcam Capturing Lösung zu verwenden, mit der ich der Computer Vision API die entsprechenden Testbilder zur Verfügung stelle.

Nach nur jeweils 30 Aufnahme für ein Positiv- und Negativ-Beispiel schien das Programm schon relativ zuverlässig unterscheiden zu können, ob meine Haltung in Ordnung war. Sobald ich allerdings ein anderes T-Shirt anhatte, konnte es keine zuverlässige Aussage mehr treffen. Ein weiteres Training der API war nötig.

Training der Object Detection

Die Computer Vision API bietet die Möglichkeit, ein bestehendes Modell nachträglich durch weitere Trainings zu optimieren. Alles was man dafür tun muss, ist weitere Bilder hochzuladen und zu kategorisieren. Der Anzahl der Kategorien sind dabei fast keine Grenzen gesetzt. Natürlich lassen sich zur Bewertung der Körperhaltung verschiedene Unterteilungen vornehmen, für meine Versuche waren allerdings zwei Kategorien (gute bzw. schlechte Körperhaltung) vorerst ausreichend. In den folgenden Sessions trainierte ich das Programm, nicht auf die Kleidung zu achten, sowie auch ungünstige Belichtungsverhältnisse zu tolerieren. Die Ergebnisse konnten damit deutlich verbessert werden. Um dem Modell das letzte Feintuning zu verleihen, nahm ich zusätzlich mehrere kurze Filmsequenzen auf, um der Object Detection einen besseren Input an Bildern zu liefern. Eine nachträgliche Kategorisierung des Materials führte letztendlich zu einer verlässlichen Software, die den Nutzer nachhaltig für eine gesunde und ergonomisch korrekte Körperhaltung am Arbeitsplatz sensibilisiert.

Anwendungsmöglichkeiten für Sicherheitsdienste und Notfälle

Das Konzept dieses Programms kann auch in Krankenhäusern oder gefährlichen Arbeitsplätzen angewendet werden. Das Programm erkennt durch die Kameraaufnahmen in Echtzeit, ob eine Person beispielsweise reglos am Boden liegt oder zusammengesackt ist und löst einen Alarm aus, der in der Sicherheitszentrale oder bei den Portieren einlangt, wo der Notfall über die Kameraaufnahmen überprüft werden kann. Die technischen Anforderungen sind gering und die entsprechende Infrastruktur meist schon vorhanden. 

Wenn Sie mehr erfahren möchten, wie Machine Learning noch eingesetzt werden kann, dann ist vielleicht der folgende Artikel für Sie spannend. Unser Kollege Alexander Pacha arbeitet  in seiner Dissertation daran, einem Computer das Notenlesen beizubringen. Den Blog-Artikel finden Sie hier.

Junior Digital Marketer

Matthias Gasser

Kommentare (0)

×

Updates

Schreiben Sie sich jetzt ein für unsere zwei-wöchentlichen Updates per E-Mail.

This field is required
This field is required
This field is required

Mich interessiert

Select at least one category
You were signed up successfully.