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.
4.1 Izgradnja semantičnega opisa aktivnosti 49<br />
KRILO_DESNO<br />
CENTER_DESNO<br />
CENTER<br />
CENTER_LEVO<br />
CENTER_<br />
ZGORAJ<br />
KRILO_LEVO<br />
BRANILEC_DESNO<br />
BRANILEC<br />
BRANILEC_LEVO<br />
Slika 4.1: Model igriˇsča, ki ga sestavlja 9 regij. Levo: Imena regij so bila izbrana<br />
glede na imena vlog, ki igralci običajno igrajo v teh regijah. Desno: Točke na<br />
igriˇsču predstavljajo začetne in končne pozicije elementov, ki so bili pridobljeni iz<br />
34 ˇsablon aktivnosti v napadu.<br />
je verjetnost, da se igralci nahajajo v dani začetni formaciji. Poleg tega lahko<br />
na podlagi eksperimentov ugotovimo, da se igralci, ki se nahajajo bliˇzje koˇsu,<br />
bolje postavljajo na začetno pozicijo, ker so jim pri tem v pomoč označbe, ki se<br />
nahajajo na igriˇsču. Spričo tega lahko referenčne pozicije, ki so bliˇzje koˇsu, bolj<br />
uteˇzimo od tistih, ki se nahajajo dlje od koˇsa (slika 4.2).<br />
Vzemimo, da je dn = x (n)<br />
t −x (n)<br />
ref Evklidska (l2) razdalja med n-to referenčno<br />
pozicijo in n-tim igralcem in da je rn = x (n)<br />
ref − xbasket Evklidska razdalja med<br />
referenčno pozicijo in koˇsem. Potem lahko verjetje za formacijo k pri danih<br />
pozicijah Xt zapiˇsemo kot<br />
L(formacija = k|Xt) ∆ =<br />
N<br />
N(dn; 0, σd) · wn, (4.1)<br />
kjer N(·; 0, σ) označuje Gaussovo porazdelitev s srednjo vrednostjo nič in varianco<br />
σ 2 ; wn pa predstavlja vpliv n-te referenčne pozicije na celotno formacijo in jo<br />
izračunamo kot<br />
n=1