avtomatska analiza gibanja v izbranih moštvenih športnih igrah

More documents

Recommendations

Info

54 Razpoznavanje aktivnosti teh pravil lahko semantični opis iz Tabele 4.1 pretvorimo v pet agend igralcev, ki so prikazane v Tabeli 4.2. Tabela 4.2: Pet agend igralcev zgrajenih iz semantičnega opisa v Tabeli 4.1. ˇStevilke agend sovpadajo s ˇstevilkami igralcev iz semantičnega opisa. ag1 ag2 (1) M CENTER DESNO (1) M CENTER LEVO (2) FORMACIJA flex1 (2) FORMACIJA flex1 (3) M KRILO DESNO CENTER DESNO (3) BLOK CENTER LEVO (4) FORMACIJA flex1 inv ... (4) BLOK CENTER LEVO (5) FORMACIJA flex1 inv (6) M BRANILEC LEVO CENTER LEVO (7) BLOK CENTER LEVO... ag3 ag4 (1) M KRILO LEVO (1) M BRANILEC LEVO (2) FORMACIJA flex1 (2) FORMACIJA flex1 (3) BLOK CENTER LEVO (3) M LEFT POST BRANILEC LEVO (4) M CENTER CENTER LEVO (4) BLOK CENTER LEVO (5) FORMACIJA flex1 inv (5) FORMACIJA flex1 inv... (6) BLOK CENTER LEVO ... ag5 (1) M BRANILEC DESNO (2) FORMACIJA flex1 (3) FORMACIJA flex1 inv... Potem, ko so agende igralcev zgrajene, lahko testiramo 120 moˇznih hipotez tako, da navzkriˇzno primerjamo agende neznane aktivnosti z agendami, ki so bile pridobljene iz ˇsablone. Na podlagi teh primerjav dobimo matriko podobnosti agend A = [aij]NxN, v kateri posamezen element predstavlja razdaljo med dvema agendama. Tako element aij ponazarja, kako dobro se opis v agendi i ujema z opisom v agendi j, oziroma kako dobro se vloga i-tega igralca podreja j-ti vlogi iz ˇsablone. Kot mero podobnosti med agendami uporabljamo nekoliko modificirano Levenshteinovo razdaljo [71]. Algoritem za izračun modificirane Levenshteinove razdalje je ponazorjen v Algoritmu 1. Razlika naˇse implementacije algoritma v
4.2 Razpoznavanje aktivnosti 55 primerjavi z njegovo klasično izvedbo je rezultat, ki ga dobimo po primerjavi, saj je v naˇsem primeru končna razdalja deljena s dvakratnikom dolˇzine daljˇsega izmed primerjanih nizov. Na ta način dobimo normirano Levenshteinovo razdaljo. Tako dobljena razdalja lahko zavzame vrednosti v območju [0,...,1] in ni odvisna od dolˇzine nizov, ki jih primerjamo. V primeru, popolnega ujemanja med nizi je razdalja enaka 0, v primeru popolnega neujemanja pa je enaka 1. Na ta način lahko na podlagi primerjav med agendami izračunamo celotno razdaljo med primerjanima opisoma. Algoritem 1 Modificirana Levenshteinova razdalja. VHODNE SPREMENLJIVKE: Niz znakov s, niz znakov t REZULTAT: Razdalja med nizoma d for i = 1 to N do d[i, 0] = i; end for for j = 1 to M do d[0, j] = j; end for for i = 1 to N do for j = 2 to M do if (s[i] = t[j]) then else cost = 0; cost = 2; end if d[i, j] = min(d[i − 1, j] + 1, d[i, j − 1] + 1, d[i − 1, j − 1] + cost) end for end for d = d/max(2*N, 2*M); return d
Page 1:
Univerza v Ljubljani Fakulteta za e
Page 5:
Zahvala ”Čeprav si igral tekmo s
Page 8 and 9:
Na podlagi segmentacije dobimo mno
Page 11 and 12:
Abstract This thesis is focused on
Page 13:
developed system is a result of col
Page 16 and 17:
3.2.1 Klasifikacija posameznih vzor
Page 18 and 19:
ˇZivljenjepis 145 Bibliografija 14
Page 20 and 21:
2 Uvod Na vseh naˇstetih področji
Page 22 and 23: 4 Uvod kar M n različnih stanj. V
Page 24 and 25: 6 Uvod 1.1.1 Hierarhična analiza s
Page 26 and 27: 8 Uvod mnoˇzico ˇsablon, ki so sh
Page 28 and 29: 10 Uvod člankov lahko ugotovimo, d
Page 30 and 31: 12 Uvod in hitrosti gibanja, ki sta
Page 32 and 33: 14 Uvod pa je ponazorjeno s prehodi
Page 34 and 35: 16 Uvod akcij) uporabljena dognanja
Page 36 and 37: 18 Struktura moˇstvenih iger in pr
Page 44 and 45: Poglavje 3 Časovna segmentacija mo
Page 46 and 47: 28 Časovna segmentacija moˇstveni
Page 64 and 65: Poglavje 4 Razpoznavanje aktivnosti
Page 66 and 67: 48 Razpoznavanje aktivnosti ta nač
Page 68 and 69: 50 Razpoznavanje aktivnosti wn = N(
Page 70 and 71: 52 Razpoznavanje aktivnosti 4.2 Raz
Page 74 and 75: 56 Razpoznavanje aktivnosti Celotno
Page 76 and 77: 58 Razpoznavanje aktivnosti Igralec
Page 78 and 79: 60 Razpoznavanje aktivnosti lahko p
Page 80 and 81: 62 Razpoznavanje aktivnosti 0.9 0.8
Page 82 and 83: Poglavje 5 Ocenjevanje izvedbe akti
Page 84 and 85: 66 Ocenjevanje izvedbe aktivnosti z
Page 118 and 119: Poglavje 6 Prototipni sistem za ana
Page 120 and 121: 102 Prototipni sistem za analizo mo
Page 122 and 123:
104 Prototipni sistem za analizo mo
Page 124 and 125:
106 Zaključki Prispevek 1: Metoda
Page 126 and 127:
108 Zaključki je mogoče iz ˇsabl
Page 128 and 129:
Literatura 110 [1] L. Wang, W. Hu,
Page 130 and 131:
112 Literatura Bayesian networks. C
Page 132 and 133:
114 Literatura [39] F. Li. Descript
Page 134 and 135:
116 Literatura [59] W. S. Erdmann.
Page 136 and 137:
118 Literatura [81] Kurt Jensen. Co
Page 138 and 139:
120 Literatura [104] Nikola Paveˇs
Page 140 and 141:
122 Dodatek ˇSablona ”Motion”
Page 142 and 143:
124 Dodatek ˇSablona ”Middle”
Page 144 and 145:
126 Dodatek Aktivnost Korespondenca
Page 146 and 147:
128 Dodatek ˇSablone akt 52 fl mot
Page 148 and 149:
130 Dodatek p(xj|Θ) = = K αk · N
Page 150 and 151:
132 Dodatek C.2.1 Linearna klasifik
Page 152 and 153:
134 Dodatek −γ||xi−xj|| 2 KRBF
Page 154 and 155:
136 Dodatek tega pa predvidimo tudi
Page 156 and 157:
138 Dodatek pa spremenljivka zavzam
Page 158 and 159:
140 Dodatek • preslikava I : P
Page 160 and 161:
142 Dodatek koraku lahko tako pride
Page 162 and 163:
144 Dodatek
Page 164 and 165:
146 Izobrazba ˇ Zivljenjepis 1998
Page 166 and 167:
148 Objavljena dela [7] M. Perˇse,
Page 168 and 169:
150 Objavljena dela [22] J. Perˇs,
show all

avtomatska analiza gibanja v izbranih moštvenih športnih igrah

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

Delete template?

Save as template?