Computer Graphics
TU Braunschweig

Emotions in Video WS'25/26
Teamprojekt

Prof. Dr.-Ing. Marcus Magnor

Hörerkreis: Bachelor
Kontakt: tp@cg.cs.tu-bs.de

Modul: INF-STD-17, INF-STD-10
Vst.Nr.: 4216019

Überblick

Wie viel Gefühl lässt sich aus einem Gesicht lesen? In diesem Projekt entwickelt ihr Verfahren, die in Videoaufnahmen automatisch Emotionen wie Freude, Konzentration oder Frustration erkennen können. Beispiele sind Tanz- oder Sportaufnahmen mit schnelle Bewegungen und ausdrucksstarken Gesichtern. Doch die Methoden sind ebenso auf andere Videos übertragbar wie Interaktion oder Medienanalysen.

Ihr arbeitet mit aktuellen Werkzeugen wie OpenFace, MediaPipe und PyTorch und testet moderne KI Modelle, die Gesichter verfolgen, Merkmale extrahieren und Emotionen klassifizieren. Ziel ist ein funktionierender Prototyp und zugleich ein tiefer Einblick in die spannende Schnittstelle von Computergrafik, KI und menschlichem Ausdruck.

Anmeldung

Meldet euch an auf unserer allgemeinen Anmeldeseite.

Tragt euch möglichst bald ein, um euch einen Platz zu sichern.
Die letzte Möglichkeit zur Anmeldung ist beim Kickoff — wenn dann noch Plätze verfügbar sind!

  

 

Termine

Zweite Vorlesungswoche
Donnerstag, 30.10.2025, 15:00

Kickoff [Slides](Hardstyle Lab, G41b)

  • Terminabstimmung
  • Teilnehmer Platzvergabe

Wöchentlich
Donnerstag, 15:00

Team- & Betreuertreffen(Hardstyle Lab, G41b)

  • Präsentation des Fortschritts
  • Fragerunde / Hilfe

29.01.2026

Code Stop

  • Code Cleanup & Vorbereitung der Abschlusspräsentation

tba

Abschlusspräsentation, 13:00 Uhr

 

    Nützliche (aber nicht erforderliche) Kenntnisse

    • Vorlesungen:
      • Praktische Aspekte der Informatik
      • Computergraphik - Grundlagen
      • Software Engineering 1
      • Programmieren I
      • Programmieren II
    • Programmierung: Sicherer Umgang mit Python, Grundkenntnisse in Bibliotheken wie NumPy oder OpenCV.

    • Mathematik / Algorithmik: Basiswissen in linearer Algebra, Wahrscheinlichkeiten und Optimierung (für das Verständnis von ML Methoden).

    • Computer Vision / Machine Learning: Erste Erfahrung mit Deep Learning Frameworks (PyTorch) ist von Vorteil, aber nicht zwingend notwendig, Motivation zum Einarbeiten zählt.