avtomatska analiza gibanja v izbranih moštvenih športnih igrah
avtomatska analiza gibanja v izbranih moštvenih športnih igrah
avtomatska analiza gibanja v izbranih moštvenih športnih igrah
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