Klasyfikacja wielomodalnych danych ruchu

Tematyka opracowania obejmuje zagadnienia związane z analizą dyskryminacyjną wielomodalnych danych ruchu w reprezentacjach z zadanym modelem szkieletowymi zawierających sekwencje sylwetek postaci. Brane pod uwagę są trzy podejścia do klasyfikacji danych ruchu: ekstrakcja i selekcja cech uzupełnione o nadzorowaną klasyfikację, transformata dynamicznego marszczenia czasu i niejawne modele Markowa. Do ekstrakcji cech zbioru rotacji stosowane są między innymi statystyki kwaternionowe uwzględniające wartość średnią, medianę, odchylenie standardowe i rozkład głównego kierunku, a do oszacowania podobieństwa par obrotów badane różne miary bazujące na przestrzeniach katów Eulera i kwaternionów. Na podstawie uzyskanych wyników predykcji w odniesieniu do pojedynczych stawów konstruowany jest ich ranking, a z wykorzystaniem odpowiedniej metody poszukiwań wyznaczana jest optymalna kombinacja stawów w zadanym problemie klasyfikacji. Dla przestrzeni opisu pozy i sylwetki postaci oraz całych tensorów danych ruchu prowadzona jest redukcja wymiarowości, a dla generycznego podejścia ekstrakcji cech – automatyczna selekcja. Przedstawione wyniki eksperymentów obliczeniowych obejmują problemy rozpoznawania pojedynczej pozy, identyfikacji osobniczej chodu oraz oceny nieprawidłowości ruchu w chorobach zwyrodnieniowych stawów biodrowych i kręgosłupa, a także w stanach poudarowych mózgu i chorobie Parkinsona.