avtomatska analiza gibanja v izbranih moštvenih športnih igrah

More documents

Recommendations

Info

4 Uvod kar M n različnih stanj. V primeru, da predstavimo obnaˇsanje posameznega človeka z dvema stanjema in je v aktivnost vključenih pet ljudi, pomeni to kar 2 5 = 32 različnih stanj. V primeru, da posameznikovo gibanje opiˇsemo s petimi stanji, pa celoten prostor stanj naraste na kar 3125 različnih stanj. To pa pomeni, da je uporaba verjetnostnih metod, kot so prikriti Markovovi modeli (ang. Hidden Markov Models - HMM) ali dinamične Bayesove mreˇze (ang. Dynamic Bayesian Networks), ki se pogosto uporabljajo za modeliranje aktivnosti posameznika, za analizo skupinskih aktivnosti praktično neuporabna. Zaradi velikosti prostora stanj, bi bil tak model aktivnosti preveč kompleksen in bi ga bilo brez določenih poenostavitev ali omejitev, tudi v primeru, ko bi imeli na voljo veliko količino učnih vzorcev, zelo teˇzko zgraditi. • Časovna izvedba aktivnosti predstavlja drugi velik izziv pri analizi skupinskih aktivnosti, saj lahko skupina ljudi izvede določeno aktivnost na veliko različnih načinov, ki vsi privedejo do enakega končnega cilja. To dejstvo je potrebno upoˇstevati pri načrtovanju postopkov analize, ki morajo biti dovolj fleksibilni, da omogočajo moˇznost različnih (predvsem časovnih) izvedb aktivnosti. • Kombinatorična kompleksnost določanja vlog posameznikov. Določanje vlog posameznikov znotraj skupine predstavlja enega ključnih dejavnikov uspeˇsne analize skupinskega gibanja, ker lahko ˇsele v primeru, da poznamo posameznikove naloge znotraj skupine, določimo oziroma ovrednotimo, kako uspeˇsno je dane naloge opravil. To pa pomeni, da je potrebno v primeru analize skupine petih (N = 5) ljudi opraviti kar 120 (N!) ponovitev postopka analize, s čimer se čas izvedbe analize občutno poveča. Reˇsitev tega problema zahteva razvoj ustreznih metod, na podlagi katerih je mogoče za vsakega posameznika določiti njegovo vlogo v skupini. • Kompleksnost interakcij med posamezniki. Z večanjem ˇstevila oseb, ki so vključene v aktivnost, se povečuje tudi kompleksnost interakcij med temi osebami. V sploˇsnem bi lahko rekli, da se s povečevanjem ˇstevila oseb fokus analize spreminja, saj je v primeru opazovanja majhnega ˇstevila oseb veliko bolj pomembno njihovo individualno obnaˇsanje, medtem ko postaja s povečevanjem ˇstevila oseb vse bolj pomembna njihova medsebojna interakcija.
1.1 Cilji in motivacija 5 • Nivo podrobnosti analize. Pravilno izbran nivo podrobnosti opazovanja je gotovo eden ključnih faktorjev analize in bistveno vliva na njeno uspeˇsnost. Ključno vpraˇsanje pri tem pa je, kako natančno je sploh smiselno opazovati osebo, saj s povečevanjem nivoja podrobnosti bistveno povečamo tudi kompleksnost opazovanja [2]. Tako bi bilo nesmiselno opazovati gibanje igralčevih okončin v primeru, da ˇzelimo opazovati gibanje igralca po igriˇsču. V sploˇsnem velja, da se pri analizi posameznikov uporabljajo bolj grobi nivoji podrobnosti kot v primeru analize skupinskega dogajanja, in se najpogosteje opazuje človeka kot celoto. Zaradi navedenih razlogov se, za razliko od analize gibanja posameznika, pri analizi skupinskega gibanja večinoma uporabljajo enostavnejˇse značilnice za opis človekovega telesa, kot so denimo teˇziˇsče človekovega telesa na sliki ali predstavitev telesa z očrtanim pravokotnikom (angl. bounding box) ali elipso. Razlog za to je, da je pri analizi skupinskega gibanja fokus raziskav usmerjen predvsem k analizi dogajanja in ne toliko v detekcijo ljudi in njihovo sledenje, ki sta običajno zgolj implicitno vključena v sam postopek analize. Drugi razlog za uporabo preprostejˇsih značilnic pa lahko najdemo v dejstvu, da je pri analizi skupinskega gibanja veliko bolj pomembna prostorska informacija o tem, kje se posameznik oziroma skupina nahaja na posnetku. Zaradi tega se za opis gibanja najpogosteje uporabljajo trajektorije gibanja, saj predstavljajo zelo zgoˇsčeno informacijo o tem, kaj je človek oziroma skupina počela, poleg tega pa vsebujejo tudi informacijo o tem, kje se je to dogajalo. Raziskave, povezane z analizo aktivnosti, so ˇse v začetnih fazah in ˇsele pridobivajo na pomenu. Delno je to posledica velike odvisnosti tega nivoja analize od rezultatov detekcije in sledenja, delno pa je to posledica dejstva, da je človeˇsko obnaˇsanje zelo raznovrstno in kompleksno. Zaradi tega sta razvoj in implementacija metod računalniˇsko podprte analize gibanja bistveno oteˇzena. Prav velika kompleksnost človeˇskega gibanja predstavlja za analizo aktivnosti velik raziskovalni izziv. Velika večina raziskovalcev skuˇsa problem razpoznavanja in interpretacije skupinskega gibanja reˇsiti z uporabo zelo kompleksnih modelov gibanja, ki so pogosto neprimerni v situacijah, ko je potrebno analizirati velike količine podatkov v zelo omejenem času. Zato je v takˇsnih primerih, problem analize skupinskih aktivnosti potrebno reˇsiti sistematično, z uvedbo hierarhnične strukture analize. Na ta način kompleksno dogajanje razgradimo na mnoˇzico enostavnejˇsih aktivnosti, ki jih je moˇzno analizirati ločeno.
Page 1: Univerza v Ljubljani Fakulteta za e
Page 5: Zahvala ”Čeprav si igral tekmo s
Page 8 and 9: Na podlagi segmentacije dobimo mno
Page 11 and 12: Abstract This thesis is focused on
Page 13: developed system is a result of col
Page 16 and 17: 3.2.1 Klasifikacija posameznih vzor
Page 18 and 19: ˇZivljenjepis 145 Bibliografija 14
Page 20 and 21: 2 Uvod Na vseh naˇstetih področji
Page 24 and 25: 6 Uvod 1.1.1 Hierarhična analiza s
Page 26 and 27: 8 Uvod mnoˇzico ˇsablon, ki so sh
Page 28 and 29: 10 Uvod člankov lahko ugotovimo, d
Page 30 and 31: 12 Uvod in hitrosti gibanja, ki sta
Page 32 and 33: 14 Uvod pa je ponazorjeno s prehodi
Page 34 and 35: 16 Uvod akcij) uporabljena dognanja
Page 36 and 37: 18 Struktura moˇstvenih iger in pr
Page 44 and 45: Poglavje 3 Časovna segmentacija mo
Page 46 and 47: 28 Časovna segmentacija moˇstveni
Page 64 and 65: Poglavje 4 Razpoznavanje aktivnosti
Page 66 and 67: 48 Razpoznavanje aktivnosti ta nač
Page 68 and 69: 50 Razpoznavanje aktivnosti wn = N(
Page 70 and 71: 52 Razpoznavanje aktivnosti 4.2 Raz
Page 72 and 73:
54 Razpoznavanje aktivnosti teh pra
Page 74 and 75:
56 Razpoznavanje aktivnosti Celotno
Page 76 and 77:
58 Razpoznavanje aktivnosti Igralec
Page 78 and 79:
60 Razpoznavanje aktivnosti lahko p
Page 80 and 81:
62 Razpoznavanje aktivnosti 0.9 0.8
Page 82 and 83:
Poglavje 5 Ocenjevanje izvedbe akti
Page 84 and 85:
66 Ocenjevanje izvedbe aktivnosti z
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Poglavje 6 Prototipni sistem za ana
Page 120 and 121:
102 Prototipni sistem za analizo mo
Page 122 and 123:
104 Prototipni sistem za analizo mo
Page 124 and 125:
106 Zaključki Prispevek 1: Metoda
Page 126 and 127:
108 Zaključki je mogoče iz ˇsabl
Page 128 and 129:
Literatura 110 [1] L. Wang, W. Hu,
Page 130 and 131:
112 Literatura Bayesian networks. C
Page 132 and 133:
114 Literatura [39] F. Li. Descript
Page 134 and 135:
116 Literatura [59] W. S. Erdmann.
Page 136 and 137:
118 Literatura [81] Kurt Jensen. Co
Page 138 and 139:
120 Literatura [104] Nikola Paveˇs
Page 140 and 141:
122 Dodatek ˇSablona ”Motion”
Page 142 and 143:
124 Dodatek ˇSablona ”Middle”
Page 144 and 145:
126 Dodatek Aktivnost Korespondenca
Page 146 and 147:
128 Dodatek ˇSablone akt 52 fl mot
Page 148 and 149:
130 Dodatek p(xj|Θ) = = K αk · N
Page 150 and 151:
132 Dodatek C.2.1 Linearna klasifik
Page 152 and 153:
134 Dodatek −γ||xi−xj|| 2 KRBF
Page 154 and 155:
136 Dodatek tega pa predvidimo tudi
Page 156 and 157:
138 Dodatek pa spremenljivka zavzam
Page 158 and 159:
140 Dodatek • preslikava I : P
Page 160 and 161:
142 Dodatek koraku lahko tako pride
Page 162 and 163:
144 Dodatek
Page 164 and 165:
146 Izobrazba ˇ Zivljenjepis 1998
Page 166 and 167:
148 Objavljena dela [7] M. Perˇse,
Page 168 and 169:
150 Objavljena dela [22] J. Perˇs,
show all

avtomatska analiza gibanja v izbranih moštvenih športnih igrah

Create successful ePaper yourself

Delete template?

Save as template?