21.08.2013 Views

avtomatska analiza gibanja v izbranih moštvenih športnih igrah

avtomatska analiza gibanja v izbranih moštvenih športnih igrah

avtomatska analiza gibanja v izbranih moštvenih športnih igrah

SHOW MORE
SHOW LESS

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

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

48 Razpoznavanje aktivnosti<br />

ta način zagotovimo, da za akcije, ki so se zgodile na istem delu igriˇsča - v isti<br />

regiji, pridobimo enak opis ne glede na dejanski poloˇzaj akcije znotraj te regije.<br />

Na ta način zmanjˇsamo vpliv morebitnih napak pri sledenju in variabilnosti v<br />

trajektorijah, ki se pojavlja med različnimi ponovitvami iste aktivnosti.<br />

Ker v ˇsportni literaturi nismo zasledili razdelitve igriˇsča na regije, ki bi sluˇzila<br />

naˇsemu namenu, smo izdelali lasten model igriˇsča. Model igriˇsča mora biti<br />

sestavljen iz določenega ˇstevila medsebojno neprekrivajočih se regij. Pravilna<br />

izbira ˇstevila regij je v procesu modeliranja pomembna. V primeru prevelikega<br />

ˇstevila regij pri kvantizaciji pozicij ne bi mogli izničiti variabilnosti, ki je prisotna<br />

med različnimi ponovitvami iste aktivnosti. Na drugi strani pa bi premajhno<br />

ˇstevilo regij pomenilo, da bi bila kvantizacija pozicij in posledično opis aktivnosti<br />

preveč posploˇsen. Tako bi lahko za različne aktivnosti, dobili podobne opise<br />

zaradi česar bi priˇslo do slabˇse ločljivosti med različnimi tipi aktivnosti.<br />

Da bi zgradili model igriˇsča, smo iz literature [67, 68] pridobili 17 ˇsablon<br />

koˇsarkarskih napadov. Za vsako izmed ˇsablon smo uporabili levo in desno izvedbo<br />

napada. Tako smo imeli skupaj na voljo 34 ˇsablon, iz katerih smo pridobili<br />

absolutne pozicije vsebovanih akcij (začetne formacije, gibanje igralcev, blokade),<br />

ki smo jih nato uporabili pri delitvi igriˇsča na različno ˇstevilo regij. Srediˇsča in<br />

meje med posameznimi regijami smo določili z uporabo metode K-tih povprečij<br />

[69], s katero smo mnoˇzico pozicij razdelili v K razredov. Tako smo zgradili<br />

nabor modelov koˇsarkarskih igriˇsč in ovrednotili njihov vpliv na natančnost<br />

razpoznavanja aktivnosti. Slika 4.1 prikazuje model igriˇsča z devetimi regijami, ki<br />

se je izkazal za najbolj primernega in smo ga zato uporabljali pri razpoznavanju.<br />

4.1.2 Detektorji koˇsarkarskih akcij<br />

Potem, ko je model igriˇsča zgrajen, je potrebno določiti ˇse detektorje akcij, v<br />

katerih je zakodirano ekspertno znanje o igri. Z uporabo teh detektorjev, ki so<br />

izdelani specifično za koˇsarko, iz trajektorij pridobimo informacijo o tem, katere<br />

akcije so bile izvedene. V naˇsem primeru uporabljamo tri detektorje akcij:<br />

Detektor začetne formacije. Začetno formacijo igralcev detektiramo tako,<br />

da primerjamo N trenutnih pozicij igralcev na igriˇsču Xt = {x (n)<br />

t }n=1:N z<br />

referenčnimi pozicijami Xref = {x (n)<br />

ref }n=1:N, ki jih pridobimo iz ˇsablone napada.<br />

Manjˇsa kot je razdalja med referenčnimi pozicijami in trenutnimi pozicijami, večja

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!