avtomatska analiza gibanja v izbranih moštvenih športnih igrah

More documents

Recommendations

Info

Na podlagi segmentacije dobimo mnoˇzico kratkih semgmentov igre, ki predstavljajo napadalne ali obrambne aktivnosti ekipe. Zato je potrebno v drugem koraku analize, z uporabo ˇsablon aktivnosti, razpoznati tip aktivnosti, ki jo je ekipa odigrala. V ta namen je bila predlagana uporaba, na trajektorijah temelječih detektorjev osnovnih koˇsarkarskih akcij, s pomočjo katerih je iz trajektorij gibanja igralcev mogoče zgraditi visokonivojski semantični opis dogajanja na igriˇsču. Razpoznavanje aktivnosti je doseˇzeno s primerjanjem opisa neznane aktivnosti z opisom ˇsablone, ki ga dobimo po istem postopku. Pri tem je najprej potrebno reˇsiti problem korespondence med vlogami igralcev v ˇsabloni in vlogami v analizirani aktivnosti. Za reˇsitev tega problema je predlagana razgradnja semantičnega opisa na posamezne agende igralcev, ki vsebujejo akcije, v katerih je posamezen igralec sodeloval. S primerjanjem agend igralcev določimo korespondence med vlogami igralcev ter podobnost med primerjanima semantičnima opisoma. Na podlagi izračunane podobnosti med opisom aktivnosti in opisi ˇsablon, ki so na voljo, razporedimo neznano aktivnost v razred aktivnosti, z najmanjˇso razdaljo med semantičnima opisoma. Kot je razvidno iz eksperimentov, je s predlagano metodo mogoče pravilno določiti tako vrsto odigrane aktivnosti kot tudi korespondenco med vlogami igralcev. Metoda se izkaˇze kot zelo robustna tudi v primerih pomanjkljivega sledenja in segmentacije, zaradi česar pride v semantičnem opisu do dodatnih, odvečnih simbolov. Po tem ko sta tip aktivnosti in korespondenca med vlogami igralcev pravilno določeni, je mogoče izvesti tudi podrobnejˇso analizo aktivnosti. Pri tem je potrebno upoˇstevati časovno-logične relacije med posameznimi akcijami, ki aktivnost sestavljajo. V ta namen sta predlagana dva različna pristopa za modeliranje teh relacij. V prvem primeru je uporabjena večnivojska Bayesova mreˇza, s katero modeliramo različne nivoje abstraktnosti analizirane aktivnosti (aktivnost, igralec, akcija, časovne relacije). Vozliˇsča Bayesove mreˇze so medsebojno povezana tako, da so upoˇstevane časovno-logične relacije med akcijami. V drugem primeru je za ocenjevanje uporabljena Petrijeva mreˇza. V tem primeru modeliramo posamezno akcijo kot trenuten dogodek v obliki verig, ki so sestavljene iz dveh mest in enega prehoda. Te verige medsebojno poveˇzemo tako, da upoˇstevamo časovno-logične relacije med akcijami. Rezultati eksperimentov so pokazali, da je mogoče s predlaganima postopkoma ocenjevanja pravilno oceniti tako kakovost izvedbe aktivnosti kot tudi fazo, do katere je bila
aktivnost izvedena. Kljub temu je bilo ugotovljeno, da bi bilo potrebno za ˇse podrobnejˇso analizo, s katero bi se lahko ˇse bolj pribliˇzali dejanskim ocenam eksperta, v sam proces analize vpeljati dodatno komplementarno informacijo o dogajanju na igriˇsču, ki jo iz trajektorij gibanja igralcev ni mogoče pridobiti. Metode analize so bile vgrajene v prototipni sistem za analizo igre, ki je del veliko večjega sistema za analizo dvoranskih ˇsportov. Prototipni sistem omogoča kvalitativno analizo, ki temelji na predhodno opisanih metodah, poleg tega pa so bile izdelane ˇse dodatne funkcije za kvantitativno analizo, ki uporabniku omogočajo tudi analizo kvantitativnih parametrov gibanja igralcev med tekmo. Sistem je plod sodelovanja s ˇsportnimi strokovnjaki in je ˇze bil uspeˇsno uporabljen pri sodelovanju tako z domačimi kot tudi s tujimi strokovnjaki. Ključne besede: računalniˇski vid, verjetnostni modeli, analiza skupinskega gibanja, hierarhična analiza aktivnosti, moˇstvene igre, trajektorije gibanja, Bayesove mreˇze, Petrijeve mreˇze, model meˇsanice Gaussovih porazdelitev, metoda podpornih vektorjev, segmentacija igre, koˇsarka, rokomet
Page 1: Univerza v Ljubljani Fakulteta za e
Page 5: Zahvala ”Čeprav si igral tekmo s
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 58 and 59:
40 Časovna segmentacija moˇstveni
Page 60 and 61:
Page 62 and 63:
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 72 and 73:
54 Razpoznavanje aktivnosti teh pra
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 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
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

Create successful ePaper yourself

Delete template?

Save as template?