Labeled Dataset of Speed Climbing Performances

Bc. Veronika Škvarlová

Bakalářská práce

Anotace:

Rýchlostné lezenie sa po prvýkrát objaví na Olympijských hrách v Tokiu 2021. Táto disciplína ponúka veľký potenciál pre strojové spracovanie pomocou počítačového videnia a metód pre spracovanie pohybu. Táto práca predstavuje anotovaný dataset rýchlostného lezenia a demonštruje základné spôsoby využitia (napr. prehľadávanie, zhlukovanie). Predstavený dataset obsahuje 362 záznamov rýchlostného lezenia (celkom 38 minút) 55 profesionálnych športovcov. Dataset obsahuje 2D pohybové dáta získané z videí rýchlostného lezenia. Videá použité pre extrakciu dát sú videá oficiálnych súťaží (napr. svetový šampionát), ktoré sú voľne dostupné na YouTube. Druhým prínosom tejto práce je vyhodnotenie vyhľadávania k najbližších susedov (k-NN) a analýza lezeckých štýlov. Pomocou 1-NN vyhľadávania dokážeme nájsť rovnakého lezca s presnosťou 96 % pomocou DTW (Dynamic Time Warping) algoritmu a vhodnej normalizácie.

Abstract:

Speed climbing will appear for the first time at the Olympic Games in Tokyo 2021. It is an exciting discipline suitable for computer-aided processing by employing computer vision and motion understanding methods. This thesis proposes a labeled dataset of speed climbing performances and demonstrates baseline evaluation use cases (e.g.,search, clustering). The proposed dataset contains 362 speed climbing samples (38 minutes in total) of 55 top-performing athletes. The dataset comprises 2D skeleton motion sequences extracted from speed climbing videos. The videos used for skeleton extraction were obtained from the videos of official events (e.g., world championships) that are publicly available on YouTube. The second contribution of this work is the evaluation of k-nearest neighbors search and climbing style analysis. We are able to achieve the retrieval of the same climber's run (1-NN search) with 96% accuracy using the suitable combination of dynamic time warping distance and data normalization.

Keywords

data analysis, database systems, image processing, machine learning, motion capture, motion tracking, pose estimation

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 25. 5. 2021

Obhajoba závěrečné práce

• Obhajoba proběhla 1. 7. 2021
• Vedoucí: RNDr. Petr Eliáš, Ph.D.
• Oponent: RNDr. Jan Sedmidubský, Ph.D.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Počítačová grafika a zpracování obrazu