avtomatska analiza gibanja v izbranih moštvenih športnih igrah

More documents

Recommendations

Info

10 Uvod člankov lahko ugotovimo, da ne obstaja enotna metodologija delitve različnih postopkov analize. Tako denimo Wang, Hu in Tan [1] razdelijo metode analize glede na kompleksnost uporabljenih postopkov na sploˇsne postopke (dinamično ukrivljaje časa - ang. Dynamic Time Warping, prikriti Markovovi modeli in nevronske mreˇze - ang. Newral networks), na razpoznavanje aktivnosti (z uporabo ˇsablon aktivnosti in metod osnovanih na prostoru stanj) ter na semantični opis aktivnosti (z uporabo naravnih jezikov za opis dogajanja). Aggarwal [4] razdeli metode razpoznavanja aktivnosti na takˇsne, ki pri razpoznavanju uporabljajo ˇsablone aktivnosti in na metode, osnovane na prostoru stanj. Isti avtor razdeli v poznejˇsem pregledu metode analize na neposredne in posredne [6]. V prvem primeru so aktivnosti človeka razpoznane neposredno iz slike, medtem ko so v drugem primeru najprej na posameznih slikah razpoznane različne poze človekovega telesa, ki so nato uporabljene v procesu razpoznavanja njegovih aktivnosti. Pomembno vlogo pri analizi gibanja ima tudi nivo podrobnosti, na katerem opazujemo gibanje človeka. Ta problem sta v svojem pregledu posebej izpostavila Aggarwal in Park [6], kjer avtorja razdelita postopke razpoznavanja v tri nivoje podrobnosti - grob, srednji in podroben nivo opazovanja. Na grobem nivoju je človeˇsko telo predstavljeno kot celota, pri čemer so ljudje predstavljeni s pravokotniki, elipsami ali pa zgolj s teˇziˇsčem njihovega telesa. Na srednjem nivoju so ljudje predstavljeni na podlagi njihovih glavnih delov telesa, kot so glava, trup, roke in noge. Na najbolj podrobnem nivoju pa so pri razumevanju obnaˇsanja najpogosteje uporabljeni zgolj posamezni deli telesa, kot so roke, glava, ustnice, itd. Pri tem lahko ugotovimo, da se s povečevanjem ˇstevila ljudi, ki so vključeni v neko aktivnost, nivo podrobnosti, na katerem opazujemo dogajanje, zmanjˇsuje. Analogno s tem se zmanjˇsuje kompleksnost uporabljenih modelov za predstavitev aktivnosti. Po drugi strani pa se pri bolj detajlni analizi gibanja posameznih delov telesa uporabljajo zelo kompleksni in specifični modeli gibanja. Pri proučevanju člankov s področja analize gibanja lahko prav tako zasledimo zelo nekonsistentno uporabo terminologije za opis dogajanja, saj avtorji zelo nedosledno uporabljajo izraze kot so akcije (angl. actions), aktivnosti (angl. activities) in obnaˇsanje (angl. behavior). Tako je Nagel [8] v enem prvih del s področja analize obnaˇsanja predlagal hierarhijo petih terminov za opis dogajanja - sprememba (angl. change), dogodek (angl. event), glagol (angl. verb), epizoda (angl. episode) in zgodovina (angl. history). Alternativno hierarhijo je uporabil
1.2 Pregled literature 11 Bobick [9], ki je predlagal uporabo treh terminov gibanje (angl. motion), aktivnost (angl. activity) in akcija (angl. action) za opis dogajanja na različnih nivojih podrobnosti. Poleg tega pa so nekateri avtorji [10, 11] uporabljali tudi termine kot so situacija (angl. situation), elementi akcije (angl. action primitives). V zadnjem času pa se je ˇse najbolj uveljavila hierarhija, ki za opis dogajanja uporablja tri termine in sicer element akcije, akcija in aktivnost [7]. Kot primer vzemimo hierarhijo v ˇsportu, kjer zaporedje elementov akcij (fizičnih gibov igralca), kot so premiki roke ali noge, sestavljajo akcijo, katere namen je podaja ˇzoge. Aktivnost pa v tem primeru predstavlja igranje določenega koˇsarkarskega napada. 1.2.1 Analiza aktivnosti posameznika Postopki analize gibanja posameznika so bili podrobno predstavljeni v preglednem članku, ki ga je podal Gavrila [3]. V članku avtor problem razpoznavanja posamičnih aktivnosti poda kot problem klasifikacije časovno spremenljivih značilnic, pri katerem je potrebno neznani sekvenci poiskati najbolj podobno ˇze razpoznano prototipno sekvenco. Pri tem razdeli postopek razpoznavanja v dva ločena problema - v učenje prototipne sekvence iz učnih sekvenc (gradnjo modela) ter v klasifikacijo neznane sekvence na podlagi teh prototipov. Pri učenju in klasifikaciji se uporabljajo tehnike modeliranja, s katerimi skuˇsajo avtorji zajeti časovno komponento spreminjanja značilnic. Tak primer je denimo uporaba prostorsko-časovnih predlog (angl. spatio-temporal templates) pri razpoznavanju hoje [12, 13] ali pa uporaba prikritih Markovih modelov (angl. Hidden Markov Models - HMMs) [14, 15, 16, 17] oziroma Bayesove mreˇze [18, 19], s katerimi je mogoče modelirati različna stanja človekovega obnaˇsanja ter prehodov med temi stanji. Najpogosteje ta stanja predstavljajo kar posamezne akcije, ki naj bi jih človek izvedel v okviru določene aktivnosti. Čeprav je pri analizi gibanja posameznega človeka običajno uporabljen podrobnejˇsi opis človeˇskega telesa, pa je mogoče tudi tu zaslediti metode, ki razpoznavajo človeˇsko obnaˇsanje na grobem nivoju podrobnosti. Tako sta Johnson in Hogg [20, 21] predstavila dva pristopa k modeliranju nelinearnega obnaˇsanja, na podlagi trajektorij gibanja ljudi, pri čemer sta opazovala zgolj gibanje teˇziˇsča njihovega telesa. V prvem primeru sta avtorja pri razpoznavanju različnih stanj njihovega gibanja uporabila vektorje njihovih trenutnih poloˇzajev
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 22 and 23: 4 Uvod kar M n različnih stanj. V
Page 24 and 25: 6 Uvod 1.1.1 Hierarhična analiza s
Page 26 and 27: 8 Uvod mnoˇzico ˇsablon, ki so sh
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

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?