avtomatska analiza gibanja v izbranih moštvenih športnih igrah
avtomatska analiza gibanja v izbranih moštvenih športnih igrah
avtomatska analiza gibanja v izbranih moštvenih športnih igrah
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
1.1 Cilji in motivacija 5<br />
• Nivo podrobnosti analize. Pravilno izbran nivo podrobnosti opazovanja<br />
je gotovo eden ključnih faktorjev analize in bistveno vliva na njeno<br />
uspeˇsnost. Ključno vpraˇsanje pri tem pa je, kako natančno je sploh smiselno<br />
opazovati osebo, saj s povečevanjem nivoja podrobnosti bistveno povečamo<br />
tudi kompleksnost opazovanja [2]. Tako bi bilo nesmiselno opazovati gibanje<br />
igralčevih okončin v primeru, da ˇzelimo opazovati gibanje igralca po igriˇsču.<br />
V sploˇsnem velja, da se pri analizi posameznikov uporabljajo bolj grobi<br />
nivoji podrobnosti kot v primeru analize skupinskega dogajanja, in se<br />
najpogosteje opazuje človeka kot celoto.<br />
Zaradi navedenih razlogov se, za razliko od analize <strong>gibanja</strong> posameznika,<br />
pri analizi skupinskega <strong>gibanja</strong> večinoma uporabljajo enostavnejˇse značilnice za<br />
opis človekovega telesa, kot so denimo teˇziˇsče človekovega telesa na sliki ali<br />
predstavitev telesa z očrtanim pravokotnikom (angl. bounding box) ali elipso.<br />
Razlog za to je, da je pri analizi skupinskega <strong>gibanja</strong> fokus raziskav usmerjen<br />
predvsem k analizi dogajanja in ne toliko v detekcijo ljudi in njihovo sledenje,<br />
ki sta običajno zgolj implicitno vključena v sam postopek analize. Drugi razlog<br />
za uporabo preprostejˇsih značilnic pa lahko najdemo v dejstvu, da je pri analizi<br />
skupinskega <strong>gibanja</strong> veliko bolj pomembna prostorska informacija o tem, kje se<br />
posameznik oziroma skupina nahaja na posnetku. Zaradi tega se za opis <strong>gibanja</strong><br />
najpogosteje uporabljajo trajektorije <strong>gibanja</strong>, saj predstavljajo zelo zgoˇsčeno<br />
informacijo o tem, kaj je človek oziroma skupina počela, poleg tega pa vsebujejo<br />
tudi informacijo o tem, kje se je to dogajalo.<br />
Raziskave, povezane z analizo aktivnosti, so ˇse v začetnih fazah in ˇsele<br />
pridobivajo na pomenu. Delno je to posledica velike odvisnosti tega nivoja<br />
analize od rezultatov detekcije in sledenja, delno pa je to posledica dejstva, da<br />
je človeˇsko obnaˇsanje zelo raznovrstno in kompleksno. Zaradi tega sta razvoj<br />
in implementacija metod računalniˇsko podprte analize <strong>gibanja</strong> bistveno oteˇzena.<br />
Prav velika kompleksnost človeˇskega <strong>gibanja</strong> predstavlja za analizo aktivnosti<br />
velik raziskovalni izziv. Velika večina raziskovalcev skuˇsa problem razpoznavanja<br />
in interpretacije skupinskega <strong>gibanja</strong> reˇsiti z uporabo zelo kompleksnih modelov<br />
<strong>gibanja</strong>, ki so pogosto neprimerni v situacijah, ko je potrebno analizirati velike<br />
količine podatkov v zelo omejenem času. Zato je v takˇsnih primerih, problem<br />
analize skupinskih aktivnosti potrebno reˇsiti sistematično, z uvedbo hierarhnične<br />
strukture analize. Na ta način kompleksno dogajanje razgradimo na mnoˇzico<br />
enostavnejˇsih aktivnosti, ki jih je moˇzno analizirati ločeno.