KLASYFIKACJA WIELOMODALNYCH DANYCH RUCHU

Klasyfikacja wielomodalnych danych ruchu – Streszczenie

Tematyka opracowania obejmuje zagadnienia związane z analizą dyskryminacyjną wielomodalnych danych ruchu w reprezentacjach z zadanym modelem szkieletowym i zawierających sekwencje sylwetek postaci. Brane pod uwagę są trzy podejścia do klasyfikacji danych ruchu: ekstrakcja i selekcja cech uzupełnione o nadzorowana klasyfikacje, transformata dynamicznego marszczenia czasu i niejawne modele Markowa. Do ekstrakcji cech zbioru rotacji stosowane są miedzy 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 kątów 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.

Skrócony spis treści

1. Wstęp
2. Reprezentacja danych ruchu
3. Rozpoznawanie pojedynczej pozy
4. Identyfikacja chodu
5. Klasyfikacja danych ruchu w zastosowaniach medycznych

A. Nazwy segmentów modeli szkieletowych dla oprogramowania Vicon Blade i Vicon Nexus
B. Selekcja stawów na bazie klasyfikacji DTW dla różnych funkcji niepodobieństwa rotacji

Pełny spis treści – zobacz

Adam Świtoński – Notka biograficzna

Adam Świtoński (ur. 3 września 1975) – doktor nauk technicznych w zakresie informatyki, członek Korpusu Ekspertów Narodowego Centrum Nauki. Jego zainteresowania badawcze związane są z obszarami zastosowań obrazowania wielo i hiperspektralnego na potrzeby diagnozy fotodynamicznej i diagnostyki chorób dna oka oraz zagadnieniami klasyfikacji wielomodalnych danych ruchu w problemach identyfikacji osobniczej i oceny nieprawidłowości chodu. Specjalizuje się w technikach nadzorowanego i nienadzorowanego uczenia maszynowego. Jest wykładowca Politechniki Śląskiej i Polsko-Japońskiej Wyższej Szkoły Technik Komputerowych na studiach pierwszego, drugiego i trzeciego stopnia, autorem 64 publikacji naukowych i kierownikiem trzech projektów badawczych.