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.
30 Časovna segmentacija moˇstvenih iger<br />
3.2 Časovna segmentacija<br />
Ko je model igre zgrajen, ga lahko uporabimo za segmentacijo oziroma<br />
časovni razrez zveznega dogajanja v posamezne zaključene faze igre. Postopek<br />
segmentacije je razdeljen v dva dela:<br />
• V prvem koraku, z uporabo statističnega modela igre, klasificiramo vsak<br />
posamezen trenutek igre v eno izmed faz igre. Bistvo tega koraka je čim<br />
boljˇsa klasifikacija posameznih vzorcev.<br />
• V drugem koraku na novo preračunamo fazo igre za vsak posamezen vzorec,<br />
pri čemer upoˇstevamo tudi podatek o fazi igre za sosednje vzorce. Na<br />
ta način ˇzelimo zagotoviti časovno konsistentnost dobljenih rezultatov in<br />
zmanjˇsati oziroma odpraviti nezaˇzelen efekt prehitrega spreminjanja faze<br />
igre.<br />
3.2.1 Klasifikacija posameznih vzorcev<br />
V fazi klasifikacije posameznih vzorcev z uporabo Bayesovega pravila in naučenih<br />
statističnih modelov igre (mi), izračunamo največjo a posteriori verjetnost, da je<br />
model mi generiral dani vzorec zteam(t)<br />
p(mi|zteam(t)) = p(zteam(t)|mi)p(mi)<br />
, (i = 1, 2, 3). (3.7)<br />
p(zteam(t))<br />
Glede na to, da je verjetnost p(zteam(t)) enaka za vse modele mi, klasificiramo<br />
vzorec zteam(t) v razred z najviˇsjo skupno verjetnostjo (m∗)<br />
m∗(t) = arg max {p(zteam(t)|mi)p(mi)}, (i = 1, 2, 3), (3.8)<br />
mi∈M<br />
kjer je p(mi) a priori verjetnost za fazo igre mi. A priori verjetnosti so bile<br />
ocenjene na podlagi eksperimentalnega opazovanja časa, ki ga določena faza<br />
zavzema znotraj celotne tekme. Na podlagi merjenja razmerij časov na treh<br />
koˇsarkarskih in treh rokometnih tekmah smo dobili naslednje ocene a priori<br />
verjetnosti. Za koˇsarko<br />
p(M) = [0.4, 0.4, 0.2] T , (3.9)