Universität Bremen - Gestenerkennung

60 Universität Bremen - Gestenerkennung https://www.uni-bremen.de/csl/forschung/gestenerkennung de Universität Bremen Mon, 15 Jun 2026 22:33:26 +0200 Mon, 15 Jun 2026 22:33:26 +0200 Universität Bremen content-6092 Wed, 04 Mar 2026 17:59:16 +0100 Öffentliche Datenkorpora https://www.uni-bremen.de/csl/forschung/gestenerkennung#c6092 Verschiedene Gruppen beschäftigen sich mit dem Einsatz von IMUs und EMG, auch im Kontext der Gestenerkennung. Durch die Vielzahl an möglichen Einsatzgebieten und an möglichen Gesten sind die erzielten Ergebnisse nur schwer miteinander zu vergleichen. Zusätzlich ist für den Einsatz in realistischen Anwendungen die Untersuchung der Erkennungsleistung in sitzungsunabhängigen und personenunabhängigen Szenarien von besonderer Bedeutung. Wir stellen der Community die Daten bereit, die im Rahmen unserer Experimente zur Gestenerkennung mit IMUs und EMG erfasst wurden. <h3>mmGest</h3> Datenkorpus zur Gestenerkennung mit IMUs und EMG. Dabei wurden sowohl IMU als auch EMG Daten von 5 verschiedenen Probanden in 5 Sitzungen gesammelt. Bitte zitieren Sie folgende Studie wenn Sie die Daten verwenden: <a href="http://www.csl.uni-bremen.de/publications/bibtexbrowser.php?key=georgi2015recognizing&amp;bib=publications%2Fcsl_all_publications.bib" target="_blank" title="Öffnet externen Link in neuem Fenster">Recognizing Hand and Finger Gestures with IMU based Motion and EMG based Muscle Activity Sensing</a> (Marcus Georgi, Christoph Amma, Tanja Schultz), In International Conference on Bio-inspired Systems and Signal Processing, 2015. (BIOSIGNALS 2015) Die kompletten Daten können <a href="http://www.csl.uni-bremen.de/CorpusData/download.php?crps=mmGest" target="_blank" title="Öffnet externen Link in neuem Fenster">hier</a> heruntergeladen werden. <h3>CSL hdemg</h3> Der csl-hdemg Datensatz enthält high-density EMG Aufnahmen von Fingerbewegungen. Der Datensatz sowie ein Baseline Erkennungssystem sind in diesem Paper beschrieben: <a href="http://www.csl.uni-bremen.de/publications/bibtexbrowser.php?key=amma2015advancing&amp;bib=publications%2Fcsl_all_publications.bib" target="_blank" title="Öffnet externen Link in neuem Fenster">Advancing Muscle-Computer Interfaces with High-Density Electromyography</a> (Christoph Amma, Thomas Krings, Jonas Böer, Tanja Schultz), In Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems, ACM, 2015. Bitte zitieren Sie dieses Paper, wenn Sie Arbeiten auf Grundlage dieser Daten veröffentlichen. Die Daten werden in einem zip-Archiv zur Verfügung gestellt, die über 2GB groß ist. Neben den Daten selber enthält dieses Archiv eine readme.txt, die beschreibt, wie der Datensatz aufgebaut ist und wie von Matlab und Python auf die Daten zugegriffen werden kann. Den Datensatz finden Sie <a href="http://www.csl.uni-bremen.de/CorpusData/download.php?crps=cslhdemg" target="_blank" title="Öffnet externen Link in neuem Fenster">hier</a>. Content