recognition of human body motion using phase space constraints

Recognition of Human Body Motion Using Phase Space

Constraints

Hauptseminar Smart EnvironmentsNeli Dimitrova

Inhalt

Einleitung Das Problem definieren Erkennen im Phasenraum Ergebnisse Vor- und Nachteile Zusammenfassung

Einleitung

Methode für das Erkennen der klassischen Ballettschritte

Warum ist das Ballett eine gute Testbasis?

Wie wird die Bewegung verfolgt und erkannt?

Domäne des Balletts

begrenzte Anzahl von Schritten einfache Bewegungen mit Freiheitsgrade kulturelle und physische Beschränkungen

Balance Stützung Ähnlichkeit eines Schrittes

Variation im Ballett Ausdehnung

Das Problem definieren

ungefähr 20 Markierungen werden an den menschlichen Körper angehängt

Aufgabe: neun atomare Ballettbewegungen von den XYZ tracking data erlernen und erkennen

Darstellungsdetails

die Beinvariablen variieren nicht, während die Armparameter eine Variation unterliegen

2D Projektion des Phasenraumes Die Punkte, die dem Plie entsprechen sind gut von den anderen

Datenpunkten getrennt

Darstellung im Phasenraum

Warum wird einen Phasenraum der gemeinsamen Winkel benutzt?

Definition eines Körper-Phasenraumes

Bewegung als eine Ansammlung 2D-projezierten Raumkurven

Kurven gebildet aus kubischen Polynomen

Darstellungsbetrachtungen

zwei übereinstimmende Phasenwege stellen die gleiche Bewegung dar

zwei identische Bewegungen bilden zwei identische Phasenwege ab

Gibt es eine Möglichkeit, das Gemeinsame zwischen Bewegungen sowie den Unterschied darzustellen?

Dimensionen ignorieren, die nicht durch eine Bewegung beschränkt werden

Reflektiert der Ähnlichkeitsgrad in der Darstellung auch die Ähnlichkeit in den Bewegung?

Euler Winkel Körperparameter: gemeinsame Winkel für Verbindungen

1DOF, Euler Winkel für Verbindungen 3DOF, Torso Ausrichtung und Torsohöhe

Singularität an bestimmten Lage Ausrichtungen

automatischer Auswahl des Winkelsatzes

Erlernen Predictors I

zu jedem Zeitpunkt : der Zustand des Systems als Punkt im Phasenraum

Pair Relation: Threshold:

• örtlich festgelegt

Pair Predictor:

Pair Relation für eine Bewegung konstruieren Pair Predictors als Bestandteil der Beschränkung

Erlernen Predictors II

Smoothed Predictor:

Pair Predictors kombinieren-> Pair Predictors mit der größten Effizienz

Predictor Fitness:

Compound Predictor:

unabhängiger Detektor

mehrmals den Region des Phasenraumes begrenzen

Beziehungen und Fitness Funktion

Beziehungen zwischen Variablen, während einer Bewegung

Summe falscher Annahmen und falscher Absagen verkleinern

Threshold eines Pair Predictors vorwählen

besten k Pair Predictors

logische AND- Operationen

Folge der lokalen Optimierungen

Eingangsdaten

Eingang: XYZ tracking data, die von 14 Punkte auf dem Körper notiert ist

Sechs 1DOF und vier 3DOF

Zwei Tänzer verschiedene Höhe

Ergebnisse (Fa NOR Fr) Ignorieren der zeitlichen Stetigkeit falsche Ablehnung und falsche Annahme- gleiche Strafen ohne zeitliche Smoothing oder AND- Operator Predictorfehler: (# wie oft das Predictor eingeschaltet ist) – (# wie oft

ein Tanzschritt vorgekommen ist)

Ergebnisse (Compound

Predictors) AND- Verknüpfung von drei Pair Predictors, jedes zeitlich

‚Smoothed‘ höhere Annahmeraten kurze Annahmeperioden ablehnen höheres Kostenverhältnis ‚w‘

Ergebnisse

Unterschied in der Geschwindigkeit 50%

• tendu- 100%

Unterschied der Ausdehnung:

• 15% für releve• 18% für degage

Predictor Ergebnisse

nur eine Störung- develope Predictor alle weiteren Schritten sind richtig annotiert

Vorteile

Invariation zu den Änderungen in der Geschwindigkeit und Ausdehnung

arbeitet automatisch mit Bewegungsreihenfolge

extrem gut Ermitteln der Ballettschritte

mäßig gut Erkennen ihrer Anfangs- und Endzeiten

Nachteile

Kurven als Schleife anstatt Kubikpolynome

Falsche Beziehung

Zusammenfassung

Erkennen der klassischen Ballettschritte

Verhältnisse zwischen Paare der gemeinsamen Winkel

einfache Detektoren konstruieren

Gewichtsverhältnis für die Fitness Funktion und die Smoothing Zeitkonstante

anwendbar für irgendeine natürliche nicht Ballettbewegung - Gesichtsausdrücke

Vielen Dank für die Aufmerksamkeit!