Action Recognition, Annotation, and Searching in Motion Data /
Digitální zaznamenávání lidského pohybu v čase a prostoru se v posledních letech stalo více a více populární, a to i kvůli cenové dostupnosti levných zaznamenávacích senzorů a zařízení, jako je například Microsoft Kinect. V dnešní době tak vzniká velké množství dat v celé řadě odvětví, ať už je to z...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Angličtina |
| Vydáno: |
2020
|
| Témata: | |
| On-line přístup: | https://is.muni.cz/th/vip2t/ |
| Shrnutí: | Digitální zaznamenávání lidského pohybu v čase a prostoru se v posledních letech stalo více a více populární, a to i kvůli cenové dostupnosti levných zaznamenávacích senzorů a zařízení, jako je například Microsoft Kinect. V dnešní době tak vzniká velké množství dat v celé řadě odvětví, ať už je to zábavní průmysl, sport nebo medicína. Automatizované počítačové zpracování těchto dat jedním ze současných výzkumných témat, což je dáno inherentní složitostí a variabilitou těchto dat. Libovolný pohyb totiž může být vykonán různými subjekty v různém provedení, a to různě rychle, různým stylem, anebo v různé vzdálenosti nebo natočení vůči kameře. Lidské pohyby jsou ukládány ve formě vícedimenzionálních časoprostorových řad, které jsou objemné, náročné na zpracování a mohou obsahovat nepřesná či neúplná data. Jediná hodina zaznamenávání pohybu může zabírat až stovky megabytů diskového prostoru. Aplikování standardních metod pro počítačové zpracování dat jako je rozpoznávání (klasifikace) akci, Motion capturing devices have recently become widely available, which resulted in producing large volumes of 3D human motion data in a variety of application domains, ranging from entertainment to medicine. However, automatized processing and understanding of human motions is still a challenging problem due to the inherent spatio-temporal nature and motion variability. The same actions can be performed by different subjects in several alternatives that vary in speed, style, timing, or position in the captured space. Moreover, the captured multi-dimensional time series are voluminous and imprecise. Hundreds of megabytes are obtained within one hour of motion tracking, and tracking errors, occlusions, and noise are often present. The employment of standard data-processing paradigms of recognition, annotation, and search is essential to increase the overall data reusability, findability, and value. In this work, computer-aided solutions for effective and efficient operations of action re |
|---|---|
| Popis jednotky: | Vedoucí práce: Pavel Zezula |
| Fyzický popis: | ??? |