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.
Povzetek<br />
V doktorski disertaciji je opisan koncept avtomatske analize skupinskega<br />
<strong>gibanja</strong> v moˇstvenih <strong>igrah</strong>, na podlagi trajektorij <strong>gibanja</strong> igralcev. V ta namen<br />
je bil razvit hierarhični koncept analize, pri katerem je upoˇstevana hierarhična<br />
struktura moˇstvenih iger. Upoˇstevanje strukture igre omogoča, da kompleksen<br />
problem analize moˇstvenih iger razgradimo na več enostavnejˇsih, vsebinsko<br />
ločenih podproblemov ter s tem zmanjˇsamo računsko kompleksnost uporabljenih<br />
metod analize. Upoˇstevajoč strukturo igre je predlagana trinivojska <strong>analiza</strong>,<br />
ki je sestavljena iz segmentacije zveznega dogajanja v posamezne pomensko<br />
zaključene faze igre, razpoznavanja vrste aktivnosti znotraj posamezne faze igre<br />
in vrednoteneja (ocenjevanja) izvedbe aktivnosti z uporabo ˇsablon aktivnosti.<br />
Predstavljeni postopki so bili aplicirani na domeni koˇsarke in deloma rokometa,<br />
saj ta dva ˇsporta, zaradi velike raznovrstnosti pri gibanju igralcev in velikega<br />
ˇstevila igralcev, ki sodelujejo v posamezni aktivnosti, predstavljata poseben<br />
raziskovalni izziv.<br />
Prvo stopnjo analize moˇstvenih iger predstavlja segmentacija zveznega<br />
dogajanja v posamezne pomensko zaključene faze igre. Glavni cilj segmentacije<br />
je poiskati tiste dele igre, ki so najzanimivejˇsi za nadaljnjo analizo (npr. faza<br />
napada ali faza obrambe). V ta namen je predlagan postopek segmentacije, ki je<br />
sestavljen iz dveh korakov. V prvem koraku so z uporabo statističnega modela<br />
igre, ki je podan v obliki meˇsanice Gaussovih porazdelitev (ang. Gaussian Mixture<br />
models), posamezni časovni trenutki klasificirani v eno izmed faz igre. Parametri<br />
modela so določeni z uporabo algoritma EM (ang. Expectation Maximization) iz<br />
ročno označenih odsekov igre. V drugem koraku je faza igre za vsak posamezni<br />
trenutek na novo preračunana, tako da so upoˇstevani tudi sosednji vzorci, s čemer<br />
je doseˇzena časovna konsistentnost dobljenih rezultatov. Rezultati eksperimentov<br />
so pokazali, da je predlagana metoda segmentacije zelo robustna, zaradi česar bi<br />
jo lahko aplicirali v različnih moˇstvenih <strong>igrah</strong>, saj omogoča natančno segmentacijo<br />
tudi v primeru različnih nepredvidljivih dogodkov, ki se lahko pojavijo med igro<br />
(npr. poˇskodbe, menjave ali izključitve igralcev).