Μελέτη Σκελετικών Δεδομένων Της Βάσης Αθλητικών Δράσεων Thetis Και Εφαρμογή Σε Αλγορίθμους Αναγνώρισης Κίνησης.

Abstract

Στόχος της διπλωματικής εργασίας αποτελεί η μελέτη της απόδοσης των σκελετικών δεδομένων σε αλγορίθμους αναγνώρισης ανθρώπινης κίνησης και η σύγκριση με άλλες μορφές δεδομένων όπως είναι τα χωροχρονικά σημεία ενδιαφέροντος (Space Time Interest Points). Τα σκελετικά δεδομένα, τα οποία χρησιμοποιούνται για την παραπάνω μελέτη, εξάγονται από τη βάση ανθρώπινων δράσεων THETIS (Three dimensional TennIs Shots). Η συγκεκριμένη βάση περιλαμβάνει 8374 videos, τα οποία περιέχουν 12 κινήσεις του αθλήματος tennis εκτελεσμένες από 55 διαφορετικά άτομα (αρχάριους και έμπειρους παίκτες).Η εξαγωγή των σκελετικών αρθρώσεων γίνεται με τη χρήση κατάλληλου προγράμματος, το οποίο αναπτύσσεται σε γλώσσα προγραμματισμού C++ με τη βοήθεια του λογισμικού OpenNI. Κάθε άρθρωση αποτελεί ένα τρισδιάστατο διάνυσμα συντεταγμένων στο χώρο. Συνολικά υπολογίζονται 15 αρθρώσεις του ανθρώπινου σώματος για κάθε πλαίσιο (frame) ενός video. Μετά τον υπολογισμό των 3D συντεταγμένων γίνεται οπτικοποίηση των δεδομένων μέσω κατάλληλου προγράμματος, το οποίο αναπτύσσεται σε Unity.Στα πλαίσια της διπλωματικής εργασίας υλοποιείται, σε γλώσσα προγραμματισμού matlab, ένας δημοσιευμένος αλγόριθμος αναγνώρισης ανθρώπινης δραστηριότητας. Ο συγκεκριμένος αλγόριθμος δέχεται ως δεδομένα εισόδου τις 3D συντεταγμένες των αρθρώσεων και υπολογίζει κάποια διανύσματα ανθρώπινων στάσεων (Posture Feature Vectors). Από τις παραπάνω στάσεις επιλέγονται αυτές που θεωρούνται πιο αντιπροσωπευτικές με χρήση της μεθόδου k-means. Έπειτα εξάγονται τα διανύσματα δραστηριοτήτων (Activity Feature Vector) για κάθε κίνηση εισόδου. Αυτά χρησιμοποιούνται για την εκπαίδευση και αξιολόγηση SVM πολλαπλών κλάσεων με τα οποία γίνεται στη συνέχεια η ταξινόμηση των κινήσεων των παικτών tennis.Τέλος τα εξαγόμενα σκελετικά δεδομένα εφαρμόζονται σε έναν αλγόριθμο, ο οποίος πραγματεύεται το επίπεδο εμπειρίας των παικτών της βάσης THETIS. Ο συγκεκριμένος αλγόριθμος χρησιμοποιείται για να αναγνωρίσει αν ένας παίκτης είναι αρχάριος ή έμπειρος, αναλύοντας τις κινήσεις εισόδου. Αυτό επιτυγχάνεται με τη χρήση διανυσμάτων απόκλισης (Variance Vector) και απόστασης συνημιτόνου (Cosine Distance Vector), καθώς αξιοποιείται επίσης η μέθοδος Dynamic Time Warping για την ευθυγράμμιση των παραγόμενων χρονικών ακολουθιών.