Innsamling av sensordata for aktiv musikk
Aktiv musikk betyr at lytteren skal kunne påvirke den musikalske lyden han hører gjennom sensorer plassert på kroppen som oppfanger lytterens bevegelser. Denne oppgaven inngår som en del av det nylig innvilgede samarbeidsprosjektet (Sensing Music-Related Actions, oppstart juli 2008) som er et samarbeid mellom Institutt for musikkvitenskap (IMV) og ROBIN ved Institutt for informatikk. Bakgrunnsinformasjon kan finnes på Musical Gestures-web sidene.
I denne oppgaven skal det videreutvikles et eksisterende sensorsystem og se på algoritmer for analyse av sensordata. Dette inkluderer kalibrering og synkronisering av data fra aksellerometere, elektromagnetisk trackingutstyr, biosensorer, video og lyd. Det er også pent for å se på nye små, kroppsnære sensorløsninger. Analyse av datasett fra sensoroppsettet vil ha fokus på segmentering og tidsaspekter, som betyr at klassifiseringsmetoder der tidsaspektet er med vil være nyttige. Eksempler på slike er Hidden Markov model (HMM) og Hierarchical Temporal Memory (HTM)
Det er tilgjengelig litt penger til å lønne en student som velger denne oppgaven til å gjøre deler av arbeidet.
Oppgaven går ut på:
- Sette seg inn i og skrive essay om det eksisterende systemet for å fange bevegelse og metoder for analysere data fra sensorsystemet
- Vurdere nye og bedre sensorløsninger
- Vurdere nye metoder for analyse av sensordata og foreslå egne forbedrede metoder tilpasset det gitte aktuelle behovet
- Skrive masteroppgaverapport
- 1. mars 2008: Satt seg inn i bakgrunn
- 1. april 2008: Essayinnlevering (INF5550)
- 1. mars 2009: Viktigste implementeringer ferdig
- 1. mai/juni 2009 Masterrapportinnlevering
Faglig bakgrunn: INF2270, INF3430/4430, FYS3240
Anbefalte/aktuelle kurs: INF3470, INF5450, MUS2840 - Lydprogrammering 1, MUS2860 - Lydprogrammering 2, MUS2800 - Lydteori 1, US2820 - Lydteori 2, MUS2005 - Musikkognisjon
| Type: | 60 ECTS |
| Tilknyttet forskningsgruppe(r): | ROBIN |