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!