kompjuterska vizija u interakciji čoveka i kompjutera
DESCRIPTION
Kompjuterska vizija u interakciji čoveka i kompjutera. MENTOR: Prof. Dr Milorad Banjanin. STUDENT:. Marijana Đoković S3946. Prepoznavanje radnje u emitovanju video snimka tenisa. Optički protok je p rostorna šema ometanog merenja umesto preciznog razmeštanja piksela. - PowerPoint PPT PresentationTRANSCRIPT
Kompjuterska vizija u interakciji čoveka i
kompjutera
MENTOR: Prof. Dr Milorad Banjanin
Marijana Đoković S3946
STUDENT:
Prepoznavanje radnje u emitovanju video snimka
tenisa
Istraživački izazovi
Optički protok je prostorna šemaometanog merenja umesto preciznog razmeštanja piksela
Predstavljanje pokreta
optičkim protokom
Prepoznavanje akcija mašinom podrške vektora
Mašina podrške vektora se koristi za treniranje klasifikatora
Prema stopi pojavljivanja terena u jednom frejmu,frejmove emitovanja video snimka tenisa delimo na:
Pogled iz daljine Pogled iz bliza
Figura igrača uglavnom 30 piksela
Figura igrača uglavnom 300 piksela
Lako obeležavanje i segmentiranje delova tela kao što su: glava,
torzo, udovi
Lako obeležavanje i segmentiranje delova tela kao što su: glava,
torzo, udovi
• Detalji pokreta su mutni• Igrač se može pratiti kao tačka• Teško je odrediti odvojene pokrete
Naučne predpostavke
Mijamori i Isaki
• Automatski sistem za objašnjavanje teniskih pokreta, uključujući forhand, backhand i udarac preko ramena• Zasnovan na promenama siluete
Efros i drugi
• Razvili su opšti pristup za prepoznavanje pokreta u “srednjem polju”
Snimci nisu bili za emitovanje
Izgled nije uvek očuvan Manje je pogodan za klasifikaciju
Bazira se na periodičnosti i tako ograničen na periodične pokrete
Dijagram toka
Emitovanje video snimka
Sekvenca centralizivane figure Opisivač pokreta
Baza podataka Nadgledano učenjeKlasifikator
radnji
Označavanje radnji
Praćenje igrača i stabilizacija figure
Izračunavanje optičkog protoka, ispravljanje, izglađivanjei predstavljanje pokretaMetoda za analizu pokreta za prepoznavanje pokreta
igrača izdaleka u emitovanim video snimcima
Praćenje igrača i stabilizacijaPraćenje igrača i stabilizacija
Praćenje oblasti igrača kandidata
Praćenje oblasti igrača kandidata
Konstruisanjem prozora u svakom frejmu
centriranom na oblasti igrača
Konstruisanjem prozora u svakom frejmu
centriranom na oblasti igrača
• Izdržljivo za bučne okolnosti, tako da prati osobu određene telesne konfiguracije do približno iste stabilizovane slike
• Prozor za praćenje igrača se uvećava do određene skale u jedinici piksela• Koristi sofisticiranu strategiju –SVR filter česticaKoristi metodu izračunavanja centroida oblasti igrača
Koordinate centroida oblasti :
,
,
x f x y
x f x y
x R y Rm
x R y R
,
,
y f x y
y f x y
x R y Rm
x R y R
R oblast zauzeta objektom u ravni slike i f(x, y) sivi nivo na lokaciji (x,y).
Izračunavanje opisivača pokreta
!
Različiti igrači mogu imati različite položaje za istu radnju i različiti položaji mogu biti snimljeni na različitim video snimcimačak i za istu radnju.
opisivač nije izdržljiv niti može da razdvaja prepoznavanjeradnje i klasifikaciju.
Najintuitivnija tehnika za snimanje pokreta nezavisno od izgleda
Izvođenje osobine o pikselima optičkog toka
tretiranje polja optičkog toka kao prostornu šemu bučnih mera koje se prikupljaju korišćenjem našeg opisivača pokreta umesto preciznih pomeranjapiksela po tačkama.
pokret nastaje zbog relativnih pokreta izazvanih različitim delovima tela igrača, koji su različite oblasti koje se označavaju na ravni slike.
Jedan od način za lokalizaciju pokretaje da se polje optičkog toka podeli na različite pod - oblasti nazvane komadi.
!
Izračunavanje optičkog toka i eliminacija ometanja
Izvođenje osobine optičkog toka ljudske centrične figure
Algoritam za eliminisanje ometanja u polju toka
Frejmovi uzoraka GMMs model rast oblasti
Adaptivno izdvajanje pozadine
Stabilizivana sekvenca
centrične figure
Figura izdvojene pozadine
izračunavanje polja optičkog
toka
polutalasno ispravljanje
OFFx+
OFFx-
OFFy+
OFFy-
Gaussian izglađivanje
Reforma polja optičkog toka
Horn- Šunk algoritam
Četiri ne- negativna kanala
Ima uticaj na izračunavanje optičkog
protoka unutar ljudske oblasti
Cilj:
konačan kanal
Predstavljanje lokalnih pokretaglobalne
lokalne
Metode za
predstavljanje pokreta
.
Uzima u obzir celu sliku ili sekvencu
Fokusiraju se na odredjene delove slike ili video podataka
• Pokret ljudsko centrične figure nastaje zbog relativnog pokretanja različitih delova tela koji se vide u različitim oblastima figure.
• Visina komada jednaka je visini figure, a širina se može podesiti prema prostornoj strukturi objekta
Metode zasnovane na histogramu
Usvajamo jednostavan ali efektivan stil oblast koji se naziva komad
Klasifikacija radnji
SVM (podrška vektora mašine)Uspešno primenjen na širok opseg prepoznavanja šema i probleme klasifikacije
Prednosti u odnosu na veštačke nervne mreže (ANNs)
Prednost SVM nad drugim metodama
brži bolji za interpretaciju i odredjivanje sposobnosti da tačno klasifikuje nevidjene podatke
pružanja boljih predvidjanja nevidjenih test podataka pružanja jedinstvenih optimalnih rešenja za problem u treniranju sadržavanje manje parametara u poredjenju sa drugim metodama
Eksperimenti :
dve osnovne radnje: levi udarac i desni udarac
zauzimaju oko 90% ponašanja u teniskim mečevima.
Test podaci se izvode iz video snimaka zabeleženih iz uživo emitovane televizije
jednog od mečeva turnira
Video je kompresovan u MPEG-2 standard
Rezolucija frejma od 352x288.5 sekvenci , izvlači se iz celog videa čiji ukupan broj frejmova je 6035
56 radnji levog udarca i 49 radnji desnogudarca je uključeno u test sekvence.
Implementirana su dva eksperimenta
jedan za prepoznavanje radnje frejmova udaraca
drugi za prepoznavanje klipova radnji udaraca
Ocena učinka :
RPA
Opoziv
Preciznost
Tačnost
Zaključci: Pristup prepoznavnja radnje je predstvljen za analizu pokreta teniskih igrača u emitovanom video snimku Predložena je grupa histograma skraćenih na S-OFHs,
na osnovu izgladjivanja i prikupljanja mera optičkog toka Bučni optički protok se tretira kao prostorna šema ometanih mera umesto preciznog premeštanja piksela
S-OFHs se izvode kao šeme prostornog predstavljanja
Za prepoznavanje radnje koju obavlja ljudska figura u jednom frejmu, koristimo mašinu podrške
LiceMiš: Ljudsko-kompjuterski interfejs za tetraplegične osobe
Ko su tetraplegičari ? Ljudi sa hendikepom !
Ovi ljudi, zapravo, mogu da koriste samo svoju glavu (a i to uz teškoće) da vrše interakciju sa okolinom i zahtevaju specijalnu adaptaciju.
Sistem LiceMišImplementirani algoritam je zasnovan na podudarnosti šablona za praćenje nosa korisnikai na medjusobnoj korelaciji za izračunavanje najboljeg podudaranja.
Koristi :
Standardnu Web kameruTehnike za praćenje nosa
Pokazivač miša
Podela interfejsa između ljudi i kompjutera:
2D sinoptički interfejsi
3D virtuelni svetski sistemi
klasični grafički interfejs
korisnik može da aktivira udaljene uredjaje birajući odredjenu ikonu
simuliraju navigaciju i interakciju sa stvarnim svetom
zasnovan na prozorima
praćenje određenih delova tela :• praćenju oka • praćenju glave• kontroli gledanja (piljenja)
Koristi paradigmu pokazivača
„ono što pogledam
to želim“
Derivativna paradigma
„tamo gde pogledam, tamo želim da idem“
Sistem LiceMiš koristi: Jeftinu Web kameru da snimi sliku
• Tehnike kompjuterskog gledanja za identifikaciju različitih delove lica korisnika• Iskoriste za pomeranje pokazivača miša ili izvršavanje klika mišem
Metoda praćenja zasnovana na podudaranju šablona
razdaljina izmedju delovasadašnje slike ili šablona izračunata korišćenjem unakrsno-korelativne funkcije
zasnovana na koeficijentu normalizovane korelacije pošto pokreti ljudi sa Hendikepom ne prate neki predvidljivi model kretanja
HCI koji se lako koristi
PROBLEMI• pokazati preciznu poziciju i održati je neko vreme
• opseg pokreta udova i glave može biti ograničen Derivativna paradigmaREŠENJE
Označava smer duž kog se miš treba pomerati
Omogućavainterakciju čak i ako nema precizne kontrole glave,jer može da pravi samo male pokrete
ljudsko-kompjuterski interfejs
• osobina se izvlači putem polu-automatske metode
Korisnik je zamoljen da lice drži što mirnijim a operater(koji može da koristi standardne uredjaje miša) bira tačkuna trenutnoj slici koja je usredsredjena na izabranu osobinulica (na primer, centar nosa).
• Kvadratni šablon centriran na ovoj tački se koristi kao model i čuva za dalje podudaranje
• I ako korisnik održi osobinu u toj oblasati duže od definisanog vremena T click, vrši se pritisak klika na dugme.
• Ako je centar osobine detektovan unutar centralne oblasti (označen sa „SW klik“ gde SW znači „statični prozor“) to odgovara zahtevima ne pomeranja pokazivača miša.
r1 r2 r3
r4
r5r6r7
r8 SW click
HCI koji se lako koristi
• dinamičnost uz konstatnu brzinu• dinamičnost sa konstatnim ubrzanjem• dinamičnost u kojoj je brzina funkcija pomeranja iz centra mreže.
Tri različita tipa dinamike miša :
NO spead variation
SWclick
Th1
Th2
V= (v.., v..) brzina pomeranja koja se treba odrediti za pokazivač miša,
V= (0, 0) ako korisnik pokaže na „SW klik“ zonu
max
1 1 1 1 2
max max2 1 2 2 2
, ,
, ,
osnovax x
x
f V a v if Th d Th
x f V a V if Th d wV
f1 i f2 dve funkcije koje se sastoje od konstatnog ubrzanja počevši od prvog parametra
Ako se korisnik pomera u drugom prozoru (rl.....r8) pokazivač miša se pomera u odgovarajućem smeru.
kada korisnik želi da klikne na tačku naekranu, mora da pozicionira pokazivačmiša na željenu tačku,vrati se u statični prozor SW i ostane u toj oblasti
ovaj pristup ne radi dobro zakorisnike koji ne mogu tačnoda pomeraju glavu u svim pravcima
alternativno rešenje: tokom faze podešavanja korisnk (uz pomoć operatera) bira skup tačaka koje predstavljaju pozicije koje korisnik može zauzeti a koje odgovaraju smerovima (gore, dole, levo, desno) i centralnu poziciju
Praćenje nosa
Faza inicijalizacije
• operator će odabrati za hendikepiranog korisnika „dobru“ osobinu na njegovom licu
• mora biti nedvosmisleno detektujuća, i nepromenljiva rotacija, interpretacija i promena skale
jedini konveksni oblik na ljudskom licu koji je lako vidljiv je vrh nosa
Predpostavke:svetlosni uslovi konstantni izmedju dva uzastopna frejma
normalizovana unakrsna korelacija može se koristiti da obavlja u vremenu t podudaranje šablona s obzirom na šablon
1tT u vreme t – 1 Zadaci
poboljšanja za povećanje pouzdanosti i izdržljivosti ovog sistema
normalizovana unakrsna korelacija zadržava samo „dovoljno dobre“ parove koji se podudaraju
Da bi smanjili lažna podudaranja, prethodni šablon se ponovo poravnanva sa početnim šeblonom
Aplikacije :
Tipovi • korišćenje sinoptičkih interfejsa za kontrolisanje kuće• primena za medjusobnu komunikaciju i pisanje• opšte Microsoft Windows aplikacije
Vrata Telefon
Prozor Svetlo
RadioKlima uređaj
Tv
Mašina Alarm
Peć
Korisnik pomera prozor koji odgovara odabranom uredjajui miruje neko vreme da bi izvršio klik i otvara novi interfejs sa specifičnim komandama za taj uredjaj.
Oni se mogu jednostavno otvarati ili zatvarati pritiskanjem odgovarajuće dugmadi, ili ručno otvarati donekle pomeranjem klizećih poluga.
interfejsa za kontrolisanje kuće
Prednosti sistema LiceMiš :• nema potrebu za operatorom• upotrebljava interfejs lakši za korisnika• zasnovan na virtuelnoj tastaturi
A B F G
E J
O < .
Q P T
dva poboljšanja su uključena u sistem
• ne zahteva od korisnika da se vrati u statični prozor
• predlaganje sledećeg najverovatnijeg karaktera, uz dati trenutno izabran karakter
Virtuelna tastatura LiceMiš
Eksperimentalni zaključci
testiranje sa desettetraplegičnih osoba
1. Korišćenjem predloženog sistema, korisnici mogu da pišu više od dva puta (bez predvidjanja) ili više od tri puta (sa predvidjanjem) brže nego koristeći tradicionalni sistem
2. Najbolji učinak može se postići korišćenjem predvidjanja i brzine u zavisnosti od pozicije pokazivača
3. Sa sistemom predvidjanja korisnik može da ubrza proces pisanja (za 59% i za 25% za dinamičnost 1, odnosno 2) uzimajući u obzir slučaj bez predvidjanja.
Tip pokretaSa predvidjanjem Bez predvidjanja
Ukupno vreme
Karakt/min
Ukupno vreme
karakt/min
Sistem„scansion“ 6’06’’ 4.1 ---
--- Ubrzavanje
LiceMiš sa konstatnim ubrzavanjem
3’03’’ 8.2 1’55’’ 13.1 59%
LiceMiš sa funkcijom
brzine pozicije
2’19’’ 10.8 1’51’’ 13.5 25%
Zaključci:
- ljudsko-mašinski interfejs za pomoć tetraplegičarima
- Sistem je zasnovan na tehnikama kompjuterskog vida, zato nije neophodno primeniti senzore na telo korisnika,
Sistem LiceMiš
- omogućava korisniku da piše više od tri puta brže nego sa tradicionalnim sistemima.
Povraćaj objekata putem ispitivanja sa osetljivošću zasnovanom na skali KANSEI-rečnika
KANSEI na japanskom jeziku znači osetljivost, osećati, prisetiti se, želeti i misliti o lepoti u stvarima
izražava se uglavnom emotivnim rečima na primer:lepo, romantično, fantastično, udobno
Koncept KANSEI- je usko povezan sa konceptom ličnosti i osećajnosti
KANSEI informacija je polje koje cilja na obradu i razumevanje kako ljudska inteligencija obradjujesubjektivne informacije ili dvosmislenu osećajnosti i kako informacije mogu da se izvrše od strane kompjutera
KANSEI informacija je polje koje cilja na obradu i razumevanje kako ljudska inteligencija obradjujesubjektivne informacije ili dvosmislenu osećajnosti i kako informacije mogu da se izvrše od strane kompjutera
U fokusu je studija KANSEI-zasnovanih alata povraćaja slika
je ograničena i zasnovana na sadržaju koristeći vizuelne osobine kao što su tekstura, oblik, šema i naročito boja
najpopularniji izvori za eksperiment, ili zasnovani na osobinama kao i sistemi koji koriste prepoznavanje
imaju teškoće u proveravanju i prepoznavanju slika koje odgovaraju svrhama ili ukusima korisnika u višem značenju
povežemo vizuelne informacije sa osećanjima ljudskih bića preko skale relacionih uzoraka
skale relacionih uzoraka
Vizulenih informacija
( boje, oblika )
KANSEI-rečnikom ljudi
za skalu smo sakupili i klasifikovalinajuobičajenije oblike i definisali koji
su najstandardniji oblici
našli smo vezu izmedju oblikai KANSEI rečnika.
KANSEI skala rečnika za oblike i povezani KANSEI rečnik.
rezultat
Konačna svrha
kreiranje KANSEI skale rečnika zasnovane na vizuelnim informacijama kao što su boja,
oblik, tekstura i šema
Definicija oblika
znači ravan dvodimenzionalnog obllika napravljen linijama koji pokazuje ili „siluetu“ ili „okvir“
Oblik
dvodimenzionalandužina i širina
oblik stvari, njen izgled i držanje, ili telo i figura, i toje jedinstvo, ujedinjena celina, ili organizacija kojakreira delimični red za celo telo stvari.
Forma
je prirodna metafora ili prefinjena formakreirana ideološkim mislima ljudi
Geometrijska forma
sadrži konceptualne elemente,vizuelne elemente relacione elemente i konstrukcione elemente
Dizajn -
Elementi forme Sastavni elementi Konceptualni elementi Tačka, linija, ravan, obim
Vizuelni elementi Oblik, veličina, boja, tekstura
Relacioni elementi Pozicija, smer, prostornost, gravitacija
Kontruktivni elementi Verteks, ivica, lice
Vizuelne informacije
Tri forme
konceptualna
geometrijska
prirodna
veštačka apstraktna forma promenjenakroz formu u jednostavnost
nemaju definisan standard
oblik i forma se kreiraju ravnima
ravni oblika se staljaju u glavne elemente
Mekan Tvrd Kombinacija
RavanHladan Krug
TrougaoJednakostranični trougaoJednakokraki trougaoJednakokraki pravilan trougao,tup trougaoČetverougao,KvadratPravougaonikRomb, TrapezParalelogram
Odsečak krugaPolu krugKruzni isečakUpisani trougaoUpisani četverougao
Topao Elipsa Mnogougao Upisani mnogougao
Kocka
HladanLoptaPolulopta
KockaTrokraka piramidaČetverokraka piramidaPetougaona piramidaTrougaona prizmaPetougaona prizmaTrougaona odsečena piramidaKupoidČetverougaona odsečena piramidaPetougaona odsečena piramida
KupaEliptična kupaValjakEliptični valjak
Topao ValjakPrizmaPiramidaOdsečena piramida
Pravilan oblikSuprotan oblikOštar oblik
Tehnika aplikacije povraćaja objekta (GVF) i (TSR)
Počinje kalkulacijom polja sila, GVF sile, nad domenom slika
Izračunavaju se primenom opštedifuzijske jednačine na obe komponente gradacije mape ivica slike.
Produžava „obim snimanja“
mogu da nadju objekte koji su dosta daleko od prvobitne pozicije zmije
Gradacijski Vektor toka, zmija za detekciju kontura oblika
Tangentna preznetacija prostora za meru sličnosti oblika:
Alternativna prezentacija
Digitalna kriva linija C je predstavljena u tangentnom prostoru grafikom funkcije koraka
GVF GVF
Merenje KANSEI-rečnika skale prema obliku
1. korak 2. korak• Grupi subjekata sastavljene od 280 ljudi se pokažu slike oblika da opišu svoja osećanja pridevima gledajući u svaku datu sliku
• svi pridevi sakupljeni u koraku 1 su klasifikovani prema njihovoj učestalosti korišćenja.
• reči koje ne pokazuju osećanja ili nisu demonstrativne reči se odstranjuju
Druga grupa uzorka od 250 ljudi se koristi za merenje stepena KANSEI-a
Standard je bio 5 intervala skale Efekti veličine, boje, pratećeg efekta i spoljašnjeg okruženja su kontrolisani da izmere KANSEI skale za svaku sliku oblika ili linije
Obilan, balansiran, udoban, fleksibilan, slobodouman, mekan, nežan
nejasan, zbunjen, nervozan, stran, jedinstven, nestabilan, neodređen, zabrinut
Neprijatan, hladan, iskrivljen, vrtoglav, iritirajući, stran, neprijatan
bogat, pun, slab, perfektan, relaksirajući, siguran, zadovoljan, topao
KANSEI- RečnikSlikaoblika
Deo prvog KANSEI-rečnika prema obliku
100 75 50 25 0
Primer KANSEI-rečnika skale
raskošno
nema razlike izmedju KANSEI stepena i date KANSEI reči
analizira odnose izmedju svih reči KANSEI rečnika i odnosa izmedju svakog oblika i njegovog odgovarajućeg KANSEI rečnika
KANSEI rečnik skale prema obliku
osobine svakog
oblika usko
povezane sa
osećajnošću ljudi i
odlučuju o
razdaljini
dimenzija medju
rečima KANSEI
rečnika
ljudi iz grupe uzorka
osetljiviji na oble oblike
nego na druge oblike i
osetili su slična osećanja
prema datim oblicima
Arhitektura i eksperimenti sistema povraćaja objekata
Interfejs
Agent istraživanja(Sličnost između oblika)
Objekat otkrivanja
KANSEI- rečnik skale oblika
Geometrijski oblik
TSR GVF zmija
ispitivanje
Feedback u istraživanju
Ispitivanje (KANSEI rečnik)
Selektovana slika
Dokazni podaci
Slika postavljenog zadatka
Pojam :UDOBAN
Eksperiment: Ispitivanje KANSEI rečnika
, ,TSR TSRF VMin a S F I Min D S F I
uredno vraćamo slike pominimumu vrednosti zbogniže vrednosti, i veće sličnosti
sličnost koja koristi TSR izmedju F i I
slika geometrijskog oblika
slika objekta
Razdaljina između F i V
Zadatak: Povraćaj objekta koji je “Udoban”
Rezultat originalne slike Rezultat detekcije kontura
Slike detekcije kontura
Levi prozor Desni prozor
Slika je formirana kao vizuelna informacija poboji, obliku, teksturi i šemi
Stopa zadovoljstva Korisnika zavisi od drugih faktora
Zaključci:
KANSEI rečnik skale se koristi za povraćaj slika prema nameri korisnika
Koristi se za ocenjivanje zadovoljstva korisnika prema obliku
U dizajnu proizvoda i proizvodnji proizvoda
U budućnosti : inteligentni povraćaj slika ,znanja, informacija na osnovu ontologije osećajnosti
Sofisticirana strategija praćenja- SVR filter čestica
SVR filtar čestica- poboljšani filter čestica
1. Optičko polje se izvodi• Post- obradom ispravljanjem plutalasa
• Izglađivanjem metodom “Gaussian”
2. Optičko polje se deli u komade• na osnovu odnosa između pokretačkih delova tela i oblasti figure
Ubacuje se u okvir za učenje Za obezbeđivanje kompaktnog
Predsta vljanja prostorne šeme bučnog optičkog protoka
S- OFH
Podudaranje šablona SVR- filter česticaPostojeće metode
Osetljvost pratioca na buku, deformaciju igrača i pozadinsko zagušenje izazvano nejasnioblicima
Poboljšava učinak klasičnog Filtera čestica sa malimskupom uzoraka i dovoljno je izdržaljiv za ometanje u emitovanom snimku
Poboljšava učinak klasičnog Filtera čestica sa malimskupom uzoraka i dovoljno je izdržaljiv za ometanje u emitovanom snimku
Jednom kad se video sekvenca stabilizuje, pokret u video emitovanju izazvan ponašanjem kamere može se smatrati otklonjenim. Ovo odgovara veštom kretanju kamermana koji zadržava figuru u pokretu u centru gledišta. Svaki zaostali pokreti u okviru ljudske centrične figure postoje zbog relativnog pomeranja različitih delova tela kao što su udovi, glava, torzo, i reket kojim igrač igra.
Polje igre kao pozadina ljudske centrične figure
Adaptivna metoda detekcije polja
Detekcija piksela pozadine Rastuća tehnika oblasti
Post obrada koja povezuje pozadinske piksele u oblasti
Eliminiše buku i izglađuje graice
Za prostorno prepoznavanje
Metode zasnovane na histogramu
PREDNOST
• pružaju mnogo informacija koristeći veoma kompaktne opise ako su dimenzije histograma male
Grupa histograma optičkog toka zasnovanih na komadu (S-OFH).
Motivisana centralnom procenom gustine za distribuciju boje
( ) 1,...,b p m skup indeksa histograma povezanog sa vektorom optičkog toka f na lokaciji p
u
q OFF p R q
h C k p q b p u
verovatnoća skupa u=1,...,m u histogramu OFF
C je constantan normalizacije
δ- Kronekerova delta funkcija
k je konveksni i monotoni opadajući centralni profil
iOFF
,i jOFF
,
,
i j
i ju
q OFF p R q
h C k p q b p u
za polje optičkog toka i figuru Fi
i=1, ....N gde je N ukupni broj figura
je pod- polje optičkog toka u j-tom komadu, j=1,.....L i ovde je L=3
,i jS OFH se definiše
1. Klasifikacija 2170 frejmova udaraca u dve katogorije radnje
Eksperimentalni rezultati prepoznavanja u frejmovima
# Frejm Opoziv (%) Preciznost(%) Tačnost (%)
Levi udarac 1099 84.08 89.80
Desni udarac 1071 90.20 84.66
Ukupno 2170 87.10
tačnost prema iskustvu
Netačno prepoznavanje !
87.10
Igrač objekat koji se deformiše i njegovi ekstremiteti se slobodno kreću tokom prikazivanja radnje.
Ovo uznemirava regularnu distribuciju optičkog toka i učiniće da S- pogrešno obaveste o karakteristikama pokreta figure.
SOFH
56 radnji levih udaraca
49 desnih udaraca klasifikovano u dve kategorije
metod zasnovan na audio modalitetima detektujemo udaranje lopte da bi
locirali klip radnje na video snimku
hitting point – tačka udarca
Okvir koji odgovara pojavljivanju udaranjabiranje grupe frejmova u
susednom prozoru pre tačke udaranja
Dužina prozora se odredjuje na osnovu iskustvuna 25 frejmova u eksperimentu:
1 Re
1 Re
i
i
if g hc ievo udarac
iif g hc desno udarac
Glas f
je i-ti frejm u video klipu Vif
je ljudska centrična figura ihcReg(.) se odnosi na naš pristup prepoznavanju radnje.
0
0
ifi V
if Vi
levo udarac if Glas f
desno udarac if Glas fKategorija V
Konačna prepoznata kategorija radnje se odredjuje kao: