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.
Na podlagi segmentacije dobimo mnoˇzico kratkih semgmentov igre, ki<br />
predstavljajo napadalne ali obrambne aktivnosti ekipe. Zato je potrebno v<br />
drugem koraku analize, z uporabo ˇsablon aktivnosti, razpoznati tip aktivnosti, ki<br />
jo je ekipa odigrala. V ta namen je bila predlagana uporaba, na trajektorijah<br />
temelječih detektorjev osnovnih koˇsarkarskih akcij, s pomočjo katerih je iz<br />
trajektorij <strong>gibanja</strong> igralcev mogoče zgraditi visokonivojski semantični opis<br />
dogajanja na igriˇsču. Razpoznavanje aktivnosti je doseˇzeno s primerjanjem<br />
opisa neznane aktivnosti z opisom ˇsablone, ki ga dobimo po istem postopku.<br />
Pri tem je najprej potrebno reˇsiti problem korespondence med vlogami igralcev<br />
v ˇsabloni in vlogami v analizirani aktivnosti. Za reˇsitev tega problema je<br />
predlagana razgradnja semantičnega opisa na posamezne agende igralcev, ki<br />
vsebujejo akcije, v katerih je posamezen igralec sodeloval. S primerjanjem<br />
agend igralcev določimo korespondence med vlogami igralcev ter podobnost med<br />
primerjanima semantičnima opisoma. Na podlagi izračunane podobnosti med<br />
opisom aktivnosti in opisi ˇsablon, ki so na voljo, razporedimo neznano aktivnost<br />
v razred aktivnosti, z najmanjˇso razdaljo med semantičnima opisoma. Kot je<br />
razvidno iz eksperimentov, je s predlagano metodo mogoče pravilno določiti<br />
tako vrsto odigrane aktivnosti kot tudi korespondenco med vlogami igralcev.<br />
Metoda se izkaˇze kot zelo robustna tudi v primerih pomanjkljivega sledenja<br />
in segmentacije, zaradi česar pride v semantičnem opisu do dodatnih, odvečnih<br />
simbolov.<br />
Po tem ko sta tip aktivnosti in korespondenca med vlogami igralcev pravilno<br />
določeni, je mogoče izvesti tudi podrobnejˇso analizo aktivnosti. Pri tem je<br />
potrebno upoˇstevati časovno-logične relacije med posameznimi akcijami, ki<br />
aktivnost sestavljajo. V ta namen sta predlagana dva različna pristopa za<br />
modeliranje teh relacij. V prvem primeru je uporabjena večnivojska Bayesova<br />
mreˇza, s katero modeliramo različne nivoje abstraktnosti analizirane aktivnosti<br />
(aktivnost, igralec, akcija, časovne relacije). Vozliˇsča Bayesove mreˇze so<br />
medsebojno povezana tako, da so upoˇstevane časovno-logične relacije med<br />
akcijami. V drugem primeru je za ocenjevanje uporabljena Petrijeva mreˇza.<br />
V tem primeru modeliramo posamezno akcijo kot trenuten dogodek v obliki<br />
verig, ki so sestavljene iz dveh mest in enega prehoda. Te verige medsebojno<br />
poveˇzemo tako, da upoˇstevamo časovno-logične relacije med akcijami. Rezultati<br />
eksperimentov so pokazali, da je mogoče s predlaganima postopkoma ocenjevanja<br />
pravilno oceniti tako kakovost izvedbe aktivnosti kot tudi fazo, do katere je bila
Change language