avtomatska analiza gibanja v izbranih moštvenih športnih igrah

56 Razpoznavanje aktivnosti
Celotno podobnost med dvema semantičnima opisoma (Sl) za l-to permutacijo
vlog izračunamo kot povprečno razdaljo posameznih agend aij za vseh N igralcev.
Optimalno korespondenco med vlogami pa določimo kot permutacijo, pri kateri
je podobnost največja oziroma razdalja med opisi najmanjˇsa.
S(Cmin) = min{ 1
N
Tako za matriko podobnosti
N
aij}; j = Cl(i), l = 1, . . .,N! (4.6)
i=1
⎡
⎤
0.22 0.81 0.66 0.77 0.59
⎢
⎥
⎢ 0.45 0.32 0.99 0.14 0.87 ⎥
⎢
⎥
A = ⎢ 0.28 0.19 0.94 0.40 0.77 ⎥
⎥,
⎢
⎥
⎣ 0.91 0.95 0.31 0.49 0.89 ⎦
0.48 0.71 0.72 0.84 0.24
dobimo pravilno korespondenco med vlogami, ki jo predstavlja vektor Cl =
{1, 4, 2, 3, 5}, pri čemer je najmanjˇsa razdalja med opisoma enaka S(Cl) =
(a11 + a24 + a32 + a43 + a55)/5 = 0.22.
4.2.2 Določanje tipa aktivnosti
V postopku določanja korespondence med vlogami igralcev dobimo poleg
korespondence tudi informacijo o tem, kako podobni sta si ˇsablona in opazovana
aktivnost.
Če postopek ocenjevanja ponovimo za vsako izmed ˇsablon aktivnosti,
ki se nahajajo v zbirki ˇsablon, dobimo informacijo o tem, kateri ˇsabloni je
analizirana aktivnost najbolj podobna. Analizirano aktivnost uvrstimo v razred
aktivnosti, ki jo predstavlja ˇsablona z največjo podobnostjo (najmanjˇso razdaljo)
med opisoma, vendar le v primeru, da je razdalja manjˇsa od določenega praga. V
nasprotnem primeru sklepamo, da razpoznavana aktivnost ne pripada nobenemu
izmed razredov v zbirki ˇsablon in jo razporedimo v nov razred. Slika 4.4 prikazuje
rezultat primerjave analizirane aktivnosti s sedemnajstimi ˇsablonami aktivnosti,
ki so predstavljene v prilogi Dodatek A.