avtomatska analiza gibanja v izbranih moštvenih športnih igrah

More documents

Recommendations

Info

Poglavje 3 Časovna segmentacija moˇstvenih iger Hiter razvoj video tehnologij v zadnjem desetletju nam mogoča pridobivanje ogromnih količin podatkov o gibanju igralcev med tekmami, ki jih ni več mogoče analizirati ročno. Zaradi tega se pojavlja vse več raziskav, povezanih z avtomatsko segmentacijo tekem in iskanjem njenih najzanimivejˇsih delov. Segmentacija tekme predstavlja prvi korak v procesu analize aktivnosti igralcev, zaradi česar je velika natančnost tega koraka zelo pomembna, saj se vse napake v segmentaciji odraˇzajo v poznejˇsih korakih analize. Poleg tega mora biti metoda segmentacije čim manj računsko potratna, saj je v tej fazi analize potrebno obdelati velike količine podatkov, zaradi česar jo je smiselno izvajati na čim bolj grobem nivoju podrobnosti - na nivoju gibanja ekipe kot celote in ne posameznih igralcev. V večini moˇstvenih iger (npr. koˇsarki, rokometu, hokeju ali odbojki) fazo igre, v kateri se ekipa nahaja, določa posest ˇzoge ali ploˇsčka. Na ˇzalost pa je zaradi velikosti teh objektov na sliki, njihove hitrosti in ˇstevilnih zakrivanj, ki se pojavljajo med igro, pridobivanje podatkov o njihovem gibanju zelo oteˇzeno tudi v primeru uporabe najnaprednejˇsih metod računalniˇskega vida. Poleg tega pa bi bilo tudi v primeru, da bi bil poloˇzaj ˇzoge znan, ˇse vedno zelo teˇzko nedvoumno določiti fazo igre. Zaradi navedenih razlogov predlagamo postopek za avtomatsko razgradnjo zveznega skupinskega dogajanja v posamezne faze igre, ki temelji na uporabi trajektorij igralcev ene ali obeh ekip. V preostanku tega poglavja je v podpoglavju 3.1 najprej opisan postopek za gradnjo modela igre, ki ga nato uporabimo pri segmentaciji tekme v več vsebinsko zaključenih faz igre - podpoglavje 3.2. V nadaljevanju je v podpoglavju 3.3 opisana eksperimentalna validacija predlaganega postopka, s katero ˇzelimo 26
3.1 Modeliranje igre 27 preučiti vpliv različnih dejavnikov na natančnost segmentacije. Na koncu pa so v podpoglavju 3.4 podani zaključki in ugotovitve o predlagani metodi. 3.1 Modeliranje igre Moˇstvene ˇsportne igre sestavljajo pravila in taktični cilji, ki jim ekipa sledi, da bi premagala nasprotnika. V ˇstevilnih ˇsportnih igrah se moˇstva izmenjujejo v napadu in obrambi, z manjˇsimi prekinitvami, kot so na primer odmori, prosti meti ali prosti streli. S tega staliˇsča lahko moˇstvene igre obravnavamo kot zvezni proces, ki je sestavljen iz določenega ˇstevila vsebinsko zaključenih faz. Te faze so na primer faza napada, faza obrambe ter faza neaktivne igre, ki jo v naˇsem primeru predstavljajo predvsem odmori, ker so to najdaljˇsi odseki neaktivne igre, ki so za podrobnejˇso analizo popolnoma nezanimivi. Tako model igre predstavimo s tremi fazami: fazo napada (m1), fazo obrambe (m2) in odmorov (m3) M = {m1, m2, m3}. (3.1) Pri modeliranju faz igre lahko uporabimo različne pristope. Osnovni, najbolj intuitiven pristop, temelji na zamisli, da za vsako od ekip izdelamo ločen model igre [58]. V ta namen uporabimo pristop, ki ga je leta 1992 za namene analize gibanja ekip prvi uporabil Erdmann [59]. Tako opiˇsemo stanje igre z vektorjem značilk zteam(t), ki ga sestavljajo kolektivna pozicija - centroid igralcev v ekipi ter gibanje tega centroida po igriˇsču: zteam(t) = [xt, yt, ∆xt, ∆yt] T . (3.2) Poloˇzaj centroida v dvodimenzionalnih kartezičnih koordinatah, je v tem primeru izračunan kot srednja vrednost poloˇzajev vseh igralcev v eni ekipi xt = 1 n n i=1 xi , yt = 1 n n yi; (3.3) ∆xt in ∆yt predstavljata gibanje centroida v kartezičnih koordinatah igriˇsča in sta definirana kot razlika med dvema zaporednima poloˇzajema centroida. i=1
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 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 94 and 95:
76 Ocenjevanje izvedbe aktivnosti z
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?