Μελέτη σκελετικών δεδομένων της βάσης αθλητικών δράσεων THETIS και εφαρμογή σε αλγορίθμους αναγνώρισης κίνησης

Βαρηά, Χρυσούλα; Varia, Chrysoula

dc.contributor.author	Βαρηά, Χρυσούλα	el
dc.contributor.author	Varia, Chrysoula	en
dc.date.accessioned	2018-03-22T10:56:34Z
dc.date.available	2018-03-22T10:56:34Z
dc.date.issued	2018-03-22
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46756
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15216
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Σκελετικά δεδομένα	el
dc.subject	Αναγνώριση ανθρώπινης κίνησης	el
dc.subject	Βάση δεδομένων THETIS	el
dc.subject	Ταξινόμηση κινήσεων	el
dc.subject	παίκτες του tennis	el
dc.subject	Skeletal data	en
dc.subject	Human action recognition	en
dc.subject	Dataset THETIS	en
dc.subject	Movement classification	en
dc.subject	Tennis players	en
dc.title	Μελέτη σκελετικών δεδομένων της βάσης αθλητικών δράσεων THETIS και εφαρμογή σε αλγορίθμους αναγνώρισης κίνησης	el
heal.type	bachelorThesis
heal.classification	Αναγνώριση Ανθρώπινης Κίνησης	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-02-14
heal.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.	el
heal.abstract	The aim of this diploma thesis is the performance analysis of skeletal data in human action recognition algorithms compared to the performance of other data types e.g. Space Time Interest Points. The skeletal data used in the above study is derived from the human action dataset THETIS (THree dimEnsional TennIs Shots). This database includes 8374 videos, which contain 12 tennis movements performed by 55 different individuals (amateurs and experts tennis players). The skeletal joint extraction is achieved by a program coded in programming language C++ with the use of the OpenNI software. Each joint is a three dimensional coordinate vector in space. A total of 15 joints in human body are calculated for each frame of a video. After estimating the 3D coordinates, the data is visualized via a program developed in Unity. In the context of the diploma thesis, a published activity recognition algorithm is implemented in matlab programming language. This algorithm uses the 3D joint coordinates as input data and calculates some posture feature vectors. From the above postures, those that are considered most representative are selected by the k-means method. Then an Activity Feature Vector is extracted for each input movement. These vectors are used for the training and evaluation of multi-class SVMs that are used to classify tennis player movements. Finally, the extracted skeletal data is applied to an algorithm that examines the experience level of the THETIS players. This algorithm is used to identify whether a player is an amateur or an expert by analyzing the input movements. This is achieved by using the descriptors Variance Vector and Cosine Distance Vector. For the alignment of the generated time sequences the Dynamic Time Warping method is used.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας – Γεώργιος	el
heal.committeeMemberName	Καρπούζης, Κωνσταντίνος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	87 σ.
heal.fullTextAvailability	true