Zum Inhalt

Das Hörgerät unauffälliger steuern über Gesten

Daniela Monteiro Simões und Carla Vaquero haben ein Modell entwickelt, mit dem sich Hörgeräte über Gesten steuern lassen. Die unauffälligere Bedienung der Hörhilfe könnte das Tragen gerade auch für jüngere Menschen attraktiver machen. Nun soll das Modell in der Privatwirtschaft weiterentwickelt werden.

Sustainable Development Goals

3 Gesundheit und Wohlergehen 9 Industrie, Innovation und Infrastruktur 10 Weniger Ungleichheiten

Obwohl Hörgeräte den Alltag erleichtern können, entscheiden sich viele Menschen mit Hörverlust dennoch gegen eine Hörhilfe, weil sie das damit verbundene Stigma fürchten. «Gerade Jüngere fühlen sich unwohl, weil Hörgeräte meist mit dem Alter assoziiert sind», erklärt Vaquero. Deshalb haben die beiden Studentinnen in ihrer Bachelorarbeit nach Lösungen gesucht, damit Hörgeräte unauffälliger getragen werden können. Indem sie ein System entwickelten, das Gesten erkennt, fokussierten sie sich dabei vor allem auf eine diskretere Bedienung. «So kann man das Hörgerät mit einem unauffälligen Nicken oder Kopfschütteln bedienen», erklärt Vaquero. Dazu befragten sie Personen mit Hörgeräten, um deren Bedürfnisse besser zu verstehen.

Daniela Monteiro

«Mit dieser Arbeit konnten wir einen kleinen Beitrag leisten, um das Leben von einzelnen Menschen potenziell zu erleichtern. Das ist toll.»

Ziel: Zwei Sekunden

«Die entscheidende Frage, die wir als erstes klären wollten, war: Wie rasch muss das System reagieren, um alltagstauglich zu sein?», sagt Monteiro. Dass ein Hörgerät auf ein Nicken (noch) nicht gleich schnell reagieren kann wie das Handy auf einen Display-Tap, war dabei allen Befragten klar. Aber wieviel Zeit ist zu viel? Aufgrund der Befragung und aufgrund von Informationen aus der Literatur setzten sich die Absolventinnen zwei Sekunden als Ziel. Für die Gestenerkennung testeten sie dann zwei Ansätze: Eine Methode mit Maschinellem Lernen, bei der das System auf Gestenerkennung trainiert wurde, und einen Algorithmus für Zeitnormierung (Dynamic Time Warping), wie er in der Spracherkennung genutzt wird.

Porträt von Nino Hail, Senior Software Engineer, Sonova Group R&D

Nino Hail

Senior Software Engineer, Sonova Group R&D

«Die Arbeit von Carla und Daniela legt wertvolle Grundlagen und zeigt vielversprechende Ansätze für zukünftige technologische Entwicklungen.»

Das Modell wird weiterentwickelt

Für Kopfzerbrechen sorgte die Erkenntnis, wie stark sich Gesten unterscheiden. «Natürlich war uns bewusst, dass sich Gesten je nach Kultur oder Generation unterscheiden. Aber dass auch innerhalb derselben Gruppe so grosse Unterschiede herrschen, war für unser Vorhaben eine echte Herausforderung», so Vaquero. Monteiro meint dazu: «Gewisse Grenzen mussten wir am Ende einfach akzeptieren. Aufgrund der Gerätegrösse und der knappen Zeit bis zur Abgabe mussten wir uns auf ein simples Modell beschränken.» Ihre Kollegin ergänzt: «Wir hätten gerne noch mehr geforscht. Doch dazu fehlten uns im Rahmen der Bachelorarbeit die Ressourcen.» Man habe nun aber ein Modell im kleinen Rahmen, das allerdings schon ziemlich gut funktioniere. «Darauf kann man aufbauen», so Vaquero. Genau das soll jetzt auch geschehen. Der Wirtschaftspartner Sonova, bei dem Vaquero tätig ist, wird den Code übernehmen und damit weiterarbeiten.

Zwei beige Hinter-dem-Ohr-Hörgeräte der Marke Phonak,  nebeneinander auf einer weissen Fläche platziert,  verbunden über dünne Kabel mit schwarzen Steckern.
Dieses Hörgerät lässt sich mit der von Daniela Monteiro und Carla Vaquero entwickelten Applikation durch Nicken oder Kopfschütteln bedienen.
Vier Liniendiagramme zeigen Beschleunigungsdaten (x, y, z-Achsen in m/s²) für vier Kopfgesten: «maybe» (Kopfschütteln diagonal), «nod» (Nicken), «shake» (seitliches Schütteln) und «still» (keine Bewegung). Jede Geste erzeugt ein charakteristisches, sich wiederholendes Wellenmuster über ca. 400 Zeitschritte. Bei «still» sind alle drei Achsen nahezu flach.
Diese vier verschiedenen Gesten wollten die Studentinnen der Hörgeräte-App beibringen: Vielleicht, Ja, Nein, Still.
Screenshot einer iPhone-App zur Gestenerkennung («User Study»).  Angezeigt wird ein laufender Timer (09:16:14) sowie eine Tabelle  mit aufgezeichneten Bewegungsvorhersagen verschiedener Klassifikatoren  (z. B. Itakura DTW, ML CNN) für die Geste «nod» mit  Verarbeitungszeiten zwischen 0,78 ms und 480,87 ms.
Die App erkennt die Geste des Nickens zuverlässig.
Bildung School of Engineering Winterthur

Weitere Inhalte