Similarity-Based Searching and Filtering in Motion Data

Mgr. Petr Eliáš, Ph.D.

Advanced ('rigorózní') thesis

Abstract:

Data z pohybových senzorů (motion capture data) popisují lidský pohyb v podobě multidimenzionálních trajektorií lidských kloubů v čase a prostoru. Filtrování a vyhledávání pohybů ve velkých objemech, dlouhých sekvencích nebo streamech těchto komplexních dat je výpočetně náročný úkol, který především nutně vyžaduje efektivní reprezentaci a podobnostní funkci pro porovnávání podobnosti. Podobnost pohybů je však velice subjektivní, protože i tatáž akce provedená tímtéž člověkem pokaždé vypadá trochu jinak. Dostupnost a kvalita technologií pro zaznamenávání pohybových dat optickými senzory zažívá v posledních letech prudký vývoj, což implikuje prudký nárůst těchto dat, které dříve či později budou vyžadovat sofistikované metody pro jejich management a organizaci, jako jsou nástroj pro podobnostní vyhledávání, rozpoznávání akcí, anotování dlouhých sekvencí nebo online streamů. Tato řešení najdou uplatnění v celé řadě aplikací, například ve sportu pro srovnávání výkonosti profesionálních atletů, v monitorování bezpečnosti a prosazování práva k detekci neobvyklého chování, ve zdravotnictví k zjištění inklinace k pohybových vadám či nemocem nebo k zhodnocení úspěšnosti léčby pohybových ústrojí, v zábavním a herním průmyslu k tvorbě digitálních efektů, realisticky vypadajících bojových a akčních scén.

Abstract:

Motion capture data describe human movements in the form of multi-dimensional spatio-temporal trajectories of skeleton joints. Large-scale content-based searching and filtering in long sequences or streams of such complex data is a computationally challenging task that, above all, requires an effective and efficient similarity measure. However, evaluating the similarity in human motion is a difficult problem as a single action can always be performed in multiple ways even by the same person. Still, the recent development and availability of the motion capturing technologies promises massive future use of motion data implying their generation in large volumes, which requires intelligent content-based management namely with support for action recognition, large-scale retrieval, clustering similar classes of actions, filtering actions in long motion sequences or online streams. These solutions have a great potential to be utilized in variety of applications. For example in sports to compare performance of athletes, in law-enforcement to detect suspicious events, in health care to determine the success of rehabilitative treatments, or in entertainment and gaming industry to synthesize realistic acrobatic actions and fighting scenes.

Keywords

motion capture data, content-based searching, filtering, similarity measure, segmentation

Language used: English

Date on which the thesis was submitted / produced: 29. 9. 2016

Thesis defence

• Date of defence: 12. 1. 2017
• Reader: doc. Ing. Jan Staudek, CSc., prof. RNDr. Peter Vojtáš, DrSc.

Masaryk University

Faculty of Informatics

Advanced ('rigorózní řízení') programme / field:
Informatics / Informatics