avtomatska analiza gibanja v izbranih moštvenih športnih igrah
avtomatska analiza gibanja v izbranih moštvenih športnih igrah avtomatska analiza gibanja v izbranih moštvenih športnih igrah
72 Ocenjevanje izvedbe aktivnosti z uporabo ˇsablon aktivnosti tX = N i · SX(i) N i , (5.6) i=1 kjer je X ∈ {A1, A2}, N je trajanje opazovanja in SX(i) vrednost detektorja v trenutku i. Kvaliteta ocene časovne relacije pred je določena kot TRpred = 0 i=1 k · g(x; µ, σ) tE1 > tE2 tE1
5.2 Uporaba Bayesovih mreˇz za ocenjevanje ustreznosti izvedbe aktivnosti 73 • Akcija A1 se je zgodila sočasno z akcijo A2. Časovna relacija sočasno predstavlja dva dogodka, ki naj bi se začela in končala v pribliˇzno istih časovnih trenutkih. Časovna funkcija za oceno te relacije je podana z enačbo TRsocasno = N min{SA1(i), SA2(i)} N . (5.10) max{SA1(i), SA2(i)} i=1 i=1 Funkcija podaja razmerje med presekom (operacija min) in unijo (operacija max) odzivov detektorjev. V primeru, da sta odziva detektorjev popolnoma poravnana, je presek odzivov enak njuni uniji. 5.2.3 Določanje parametrov Bayesove mreˇze Poleg strukture Bayesove mreˇze je za ocenjevanje aktivnosti potrebno določiti tudi parametre vzročnih povezav med posameznimi spremenljivkami. Ker tega ne moremo narediti na podlagi učnih primerov, smo vrednosti posameznih parametrov določili hevristično, na podlagi ekspertnega znanja in izkuˇsenj, ki smo jih pridobili v času raziskav. Intille in Bobick sta v svojih delih [34, 80] ugotovila, da je pri določanju parametrov predvsem pomembna pravilna interpretacija relacij med vzroki in posledicami, manj pa dejanska vrednost parametra. Kot bomo pokazali v nadaljevanju je tako na primer veliko bolj pomembno, da je pravilno določene relacija, da dobra ocena posameznega igralca pozitivno vpliva na oceno celotne aktivnosti, kot pa ali je vrednost tega parametra 0.9 ali 0.95. Slika 5.4 prikazuje primer razmeroma preprostega modela aktivnosti, ki ga sestavlja 17 spremenljivk - aktivnost, 3 igralci, 5 akcij in 8 časovnih relacij. Spremenljivke mreˇze predstavljajo uspeˇsnost izvedbe posameznih elementov aktivnosti. Tako na primer spremenljivka aktivnost podaja uspeˇsnost izvedene aktivnosti, atributi p1, p2 in p3 podajajo uspeˇsnost igranja posameznih igralcev, atributi BLOKADA in GIBANJE predstavljajo uspeˇsnost izvedbe posameznih akcij igralcev, atributi PRED in ZNOTRAJ pa uspeˇsnost izvedbe časovne relacij med ustreznimi akcijami. Naˇs cilj je ugotoviti, kolikˇsna je verjetnost uspeˇsno odigrane aktivnosti v primeru, da so bile posamezne akcije uspeˇsno odigrane in da so bile časovne relacije med njimi pravilne. Torej ˇzelimo določiti uspeˇsnost aktivnosti (pnorm(aktivnost|e)) v primeru, da so bila opaˇzena dejstva (e) o tej aktivnosti. V
- Page 40 and 41: 22 Struktura moˇstvenih iger in pr
- Page 42 and 43: 24 Struktura moˇstvenih iger in pr
- Page 44 and 45: Poglavje 3 Časovna segmentacija mo
- Page 46 and 47: 28 Časovna segmentacija moˇstveni
- Page 48 and 49: 30 Časovna segmentacija moˇstveni
- Page 50 and 51: 32 Časovna segmentacija moˇstveni
- Page 52 and 53: 34 Časovna segmentacija moˇstveni
- Page 54 and 55: 36 Časovna segmentacija moˇstveni
- Page 56 and 57: 38 Časovna segmentacija moˇstveni
- Page 58 and 59: 40 Časovna segmentacija moˇstveni
- Page 60 and 61: 42 Časovna segmentacija moˇstveni
- Page 62 and 63: 44 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 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: 68 Ocenjevanje izvedbe aktivnosti z
- Page 88 and 89: 70 Ocenjevanje izvedbe aktivnosti z
- Page 92 and 93: 74 Ocenjevanje izvedbe aktivnosti z
- Page 94 and 95: 76 Ocenjevanje izvedbe aktivnosti z
- Page 96 and 97: 78 Ocenjevanje izvedbe aktivnosti z
- Page 98 and 99: 80 Ocenjevanje izvedbe aktivnosti z
- Page 100 and 101: 82 Ocenjevanje izvedbe aktivnosti z
- Page 102 and 103: 84 Ocenjevanje izvedbe aktivnosti z
- Page 104 and 105: 86 Ocenjevanje izvedbe aktivnosti z
- Page 106 and 107: 88 Ocenjevanje izvedbe aktivnosti z
- Page 108 and 109: 90 Ocenjevanje izvedbe aktivnosti z
- Page 110 and 111: 92 Ocenjevanje izvedbe aktivnosti z
- Page 112 and 113: 94 Ocenjevanje izvedbe aktivnosti z
- Page 114 and 115: 96 Ocenjevanje izvedbe aktivnosti z
- Page 116 and 117: 98 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
5.2 Uporaba Bayesovih mreˇz za ocenjevanje ustreznosti izvedbe aktivnosti 73<br />
• Akcija A1 se je zgodila sočasno z akcijo A2.<br />
Časovna relacija sočasno<br />
predstavlja dva dogodka, ki naj bi se začela in končala v pribliˇzno istih<br />
časovnih trenutkih.<br />
Časovna funkcija za oceno te relacije je podana z enačbo<br />
TRsocasno =<br />
N<br />
min{SA1(i), SA2(i)}<br />
N<br />
. (5.10)<br />
max{SA1(i), SA2(i)}<br />
i=1<br />
i=1<br />
Funkcija podaja razmerje med presekom (operacija min) in unijo (operacija<br />
max) odzivov detektorjev. V primeru, da sta odziva detektorjev popolnoma<br />
poravnana, je presek odzivov enak njuni uniji.<br />
5.2.3 Določanje parametrov Bayesove mreˇze<br />
Poleg strukture Bayesove mreˇze je za ocenjevanje aktivnosti potrebno določiti<br />
tudi parametre vzročnih povezav med posameznimi spremenljivkami. Ker tega<br />
ne moremo narediti na podlagi učnih primerov, smo vrednosti posameznih<br />
parametrov določili hevristično, na podlagi ekspertnega znanja in izkuˇsenj, ki smo<br />
jih pridobili v času raziskav. Intille in Bobick sta v svojih delih [34, 80] ugotovila,<br />
da je pri določanju parametrov predvsem pomembna pravilna interpretacija<br />
relacij med vzroki in posledicami, manj pa dejanska vrednost parametra. Kot<br />
bomo pokazali v nadaljevanju je tako na primer veliko bolj pomembno, da je<br />
pravilno določene relacija, da dobra ocena posameznega igralca pozitivno vpliva<br />
na oceno celotne aktivnosti, kot pa ali je vrednost tega parametra 0.9 ali 0.95.<br />
Slika 5.4 prikazuje primer razmeroma preprostega modela aktivnosti, ki ga<br />
sestavlja 17 spremenljivk - aktivnost, 3 igralci, 5 akcij in 8 časovnih relacij.<br />
Spremenljivke mreˇze predstavljajo uspeˇsnost izvedbe posameznih elementov<br />
aktivnosti. Tako na primer spremenljivka aktivnost podaja uspeˇsnost izvedene<br />
aktivnosti, atributi p1, p2 in p3 podajajo uspeˇsnost igranja posameznih igralcev,<br />
atributi BLOKADA in GIBANJE predstavljajo uspeˇsnost izvedbe posameznih<br />
akcij igralcev, atributi PRED in ZNOTRAJ pa uspeˇsnost izvedbe časovne relacij<br />
med ustreznimi akcijami.<br />
Naˇs cilj je ugotoviti, kolikˇsna je verjetnost uspeˇsno odigrane aktivnosti<br />
v primeru, da so bile posamezne akcije uspeˇsno odigrane in da so bile<br />
časovne relacije med njimi pravilne. Torej ˇzelimo določiti uspeˇsnost aktivnosti<br />
(pnorm(aktivnost|e)) v primeru, da so bila opaˇzena dejstva (e) o tej aktivnosti. V
Change language