avtomatska analiza gibanja v izbranih moštvenih športnih igrah
avtomatska analiza gibanja v izbranih moštvenih športnih igrah avtomatska analiza gibanja v izbranih moštvenih športnih igrah
22 Struktura moˇstvenih iger in pridobivanje podatkov 2.2 Pridobivanje in obdelava podatkov Metode, opisane v tem delu, ne pogojujejo načina pridobivanja podatkov o gibanju igralcev. Tako bi lahko poleg metod računalniˇskega vida za zajem in obdelavo podatkov o gibanju igralcev uporabili tudi katero izmed metod, ki so danes sicer ˇse v razvoju, a bodo v prihodnosti gotovo bistveno olajˇsale pridobivanje tovrstnih podatkov. Takˇsni, trenutno ˇse alternativni pristopi k sledenju, so uporaba RFID radiofrekvenčne identifikacije [49, 50], uporaba brezˇzičnih tehnologij kot je Bluetooth ali uporaba satelitskega navigacijskega sistema GPS za določanje poloˇzaja človeka na zemlji. Glavne pomanjkljivosti tovrstnih sistemov so omejeno območje uporabe (npr. RFID in BlueTooth od nekaj 10 do 100 metrov) in precejˇsnja nenatančnost pridobljenih podatkov, saj je na primer za GPS sisteme napaka pozicioniranja okoli enega metra. Kljub temu pa danes ˇze obstajajo tudi različne izboljˇsave, kot je vpeljava DGPS sistema (ang. Differential Global Positioning System), ki deluje na podlagi uporabe referenčnih baznih postaj, s katerimi je mogoče napako pozicioniranja zmanjˇsati nekaj deset centimetrov. Poleg zgoraj omenjenih teˇzav pa je glavna pomanjkljivost vseh tovrstnih sistemov, da zahtevajo neke vrste značko (ang. tag), ki omogoča razpoznavanje in lokalizacijo osebe oziroma objekta. Tovrstne značke pa so s ˇsportnimi pravili, ki jih določajo mednarodne ˇsportne organizacije, strogo prepovedane, zaradi česar je uporaba omenjenih sistemov vsaj trenutno ˇse precej oddaljena. Poleg pravnega vidika je pri vpeljavi tovrstnih sistemov vedno potrebno upoˇstevati tudi psiholoˇski vidik, saj se pogosto zgodi, da se igralci ob zavedanju, da so ”nadzorovani”, začnejo drugače obnaˇsati in lahko postane njihova igra drugačna - običajno slabˇsa. Zaradi tovrstnih omejitev je trenutno edina sprejemljiva tehnologija za pridobivanje podatkov o gibanju igralcev uporaba metod računalniˇskega vida. Tovrstna tehnologija omogoča brezkontaktno prepoznavanje poloˇzaja igralcev in tako ne vpliva neposredno na pravila igre ali na obnaˇsanje igralcev. Pridobivanje podatkov Eden izmed ključnih dejavnikov za uspeˇsno analizo obnaˇsanja igralcev na podlagi njihovih trajektorij gibanja je prav gotovo natančnost podatkov, ki jih uporabljamo pri analizi. V ta namen je bila razvita metodologija, na podlagi katere je moˇzno iz video posnetkov pridobiti podatke o gibanju igralcev med
2.2 Pridobivanje in obdelava podatkov 23 tekmo. Postopek je sestavljen iz ˇstirih delov in sicer zajema video posnetkov, kalibracije posnetkov, sledenja igralcev ter končne obdelave podatkov. V nadaljevanju je podrobneje opisan vsak izmed ˇstirih sklopov. Zajem video posnetkov Kot je v svojih delih ugotovil Perˇs [2, 51], je s staliˇsča optimalnega sledenja in minimizacije napake pri sledenju najboljˇsa postavitev kamer neposredno nad igriˇsčem, tako da oklepa optična os kamere z igriˇsčem pravi kot. Da bi zagotovili pokritost celotnega igriˇsča smo pri zajemanju posnetkov uporabili dve nepremični kameri s ˇsirokokotnim objektivom, ki smo ju pritrdili pod strop dvorane (slika 2.3). Vsaka kamera je pokrivala polovico igriˇsča, pri čemer sta se vidni polji na sredini deloma pokrivali, kar je omogočalo sledenje igralcev tudi med prehajanjem čez sredino igriˇsča. Video posnetki so bili zajeti s hitrostjo 25 slik na sekundo, kar je omogočalo, da s postopki sledenja za vsako sekundo igre za vsakega igralca na igriˇsču pridobimo 25 njegovih pozicij. C1 C2 Slika 2.3: Postavitev kamer pri zajemu video posnetkov [52, 53] Kalibracija video posnetkov Pravilno izvedena kalibracija kamer je bistvenega pomena za kvaliteto izhodnih podatkov. Pri tem je potrebno opraviti dve vrsti kalibracije in sicer časovno kalibracijo, ki jo imenujemo tudi sinhronizacija kamer ter prostorsko kalibracijo kamer.
- 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 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 38 and 39: 20 Struktura moˇstvenih iger in pr
- Page 42 and 43: 24 Struktura moˇstvenih iger in pr
- Page 44 and 45: Poglavje 3 Časovna segmentacija mo
- Page 46 and 47: 28 Časovna segmentacija moˇstveni
- Page 48 and 49: 30 Časovna segmentacija moˇstveni
- Page 50 and 51: 32 Časovna segmentacija moˇstveni
- Page 52 and 53: 34 Časovna segmentacija moˇstveni
- Page 54 and 55: 36 Časovna segmentacija moˇstveni
- Page 56 and 57: 38 Časovna segmentacija moˇstveni
- Page 58 and 59: 40 Časovna segmentacija moˇstveni
- Page 60 and 61: 42 Časovna segmentacija moˇstveni
- Page 62 and 63: 44 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: 68 Ocenjevanje izvedbe aktivnosti z
- Page 88 and 89: 70 Ocenjevanje izvedbe aktivnosti z
2.2 Pridobivanje in obdelava podatkov 23<br />
tekmo. Postopek je sestavljen iz ˇstirih delov in sicer zajema video posnetkov,<br />
kalibracije posnetkov, sledenja igralcev ter končne obdelave podatkov. V<br />
nadaljevanju je podrobneje opisan vsak izmed ˇstirih sklopov.<br />
Zajem video posnetkov<br />
Kot je v svojih delih ugotovil Perˇs [2, 51], je s staliˇsča optimalnega sledenja<br />
in minimizacije napake pri sledenju najboljˇsa postavitev kamer neposredno nad<br />
igriˇsčem, tako da oklepa optična os kamere z igriˇsčem pravi kot. Da bi zagotovili<br />
pokritost celotnega igriˇsča smo pri zajemanju posnetkov uporabili dve nepremični<br />
kameri s ˇsirokokotnim objektivom, ki smo ju pritrdili pod strop dvorane (slika<br />
2.3). Vsaka kamera je pokrivala polovico igriˇsča, pri čemer sta se vidni polji na<br />
sredini deloma pokrivali, kar je omogočalo sledenje igralcev tudi med prehajanjem<br />
čez sredino igriˇsča. Video posnetki so bili zajeti s hitrostjo 25 slik na sekundo,<br />
kar je omogočalo, da s postopki sledenja za vsako sekundo igre za vsakega igralca<br />
na igriˇsču pridobimo 25 njegovih pozicij.<br />
C1 C2<br />
Slika 2.3: Postavitev kamer pri zajemu video posnetkov [52, 53]<br />
Kalibracija video posnetkov<br />
Pravilno izvedena kalibracija kamer je bistvenega pomena za kvaliteto izhodnih<br />
podatkov. Pri tem je potrebno opraviti dve vrsti kalibracije in sicer časovno<br />
kalibracijo, ki jo imenujemo tudi sinhronizacija kamer ter prostorsko kalibracijo<br />
kamer.