2500335809

127

Analiza możliwości identyfikacji ruchu postaci w oparciu o technikę Motion Caplure

porównywana jest nowa sekwencja i określane jest podobieństwo, a przez to przynależność ruchu do danej klasy. W prowadzonych badaniach zostanie użyta metoda k-means.

Najprostsza wersja metody k-means polega na wybraniu k obiektów z analizowanej grupy, które będą spełniać rolę środków klastrów. Następnie każdy element jest przyporządkowywany do najbliższego klastra (do najbliższego środka klastra przy zdefiniowanej metryce). Po przyporządkowaniu elementów wyznaczany jest nowy środek ciężkości klastrów. Kolejne iteracje są wykonywane tak długo, aż środki klastrów przestają się poruszać (lub zmieniają się poniżej pewnej wartości granicznej). Główną wadą tego typu algorytmu jest konieczność określenia liczby klastrów przed rozpoczęciem procesu.

Metoda ta jest powszechnie używana do różnych zastosowań. Na rysunku 6 przedstawiono wynik działania algorytmu k-means dla poprzednio rozpatrywanej grupy ruchów i analizy zaprezentowanej w rozdziale 2.2.

,<fc;

Rys. 6. Wynik działania algorytmu k-means użytego do klasteryzacji danych reprezentujących widmo amplitudowe sygnałów rotacji X uda i podudzia.

Większość klastrów jest dobrze odseparowana. Najlepsza sytuacja z punktu widzenia analizy biometrycznej występuje, gdy wszystkie różne sekwencje zostają rozdzielone pomiędzy różne klastry. Częściowo sytuacja taka występuje w analizowanym przypadku. Podstawowym problemem, jaki napotyka się w przedstawionych badaniach są słabo opisane dane wejściowe. W komercyjnej bazie ruchów, z której korzystano w badaniach, nie jest zaznaczone, czy ruchy te są wykonywane przez tego samego aktora. Analiza wyników klasteryzacji sugeruje, że jest pewne prawdopodobieństwo, że większość z badanych mchów wykonywał jeden aktor. Aby potwierdzić tą tezę należałoby przeprowadzić bardziej szczegółowe badania przy użyciu dobrze wyposażonego laboratorium Motion Capture.

Proponuje się również rozwinięcie powyższej metody w celu przeprowadzenia wielowymiarowej analizy. Analiza przedstawiona w poprzednich rozdziałach pozwala na dobrą wizualizację w postaci trójwymiarowego wykresu. Można ją jednak rozszerzyć biorąc pod uwagę większą liczbą harmonicznych dla dwóch lub więcej stawów charakteryzujących ruch. W takim przypadku wymiarowość problemu znacznie wzrasta, jednak taka parametryzacja pozwoli na dokładniejsze określenie modelu mchu charakteryzującego każdą osobę. Prowadzone są dalsze badania dotyczące tego rodzaju analizy.

5. Wnioski

W pracy omówiono najważniejsze podejścia mające na celu sprawdzenie hipotez dotyczących możliwości wykorzystania niektórych parametrów mchu w celu identyfikacji osób. Jednym z nich było badanie widma amplitudowego, w szczególności sum wartości skutecznych pierwszych 30 harmonicznych widma rotacji X, Y i Z prawego uda. Powyższa metoda posiada jednak pewne niedogodności: uwzględnienie tylko wybranej części ciała, konieczność rejestracji sygnału na wszystkich trzech osiach oraz utrata informacji przy sumowaniu energii.