С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

Details

Title: Разработка аналитической модели распознавания поведения пользователя в 3D симуляторе: выпускная квалификационная работа магистра: 27.04.04 - Управление в технических системах ; 27.04.04_07 - Распределённые интеллектуальные системы управления
Creators: Михеев Дмитрий Владимирович
Scientific adviser: Потехин Вячеслав Витальевич
Other creators: Киселева Людмила Анатольевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2018
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: Компьютерное моделирование; Изображения; Распознавание образов
UDC: 004.932'1
Document type: Master graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 27.04.04
Speciality group (FGOS): 270000 - Управление в технических системах
Links: Отзыв руководителя; Рецензия
DOI: 10.18720/SPBPU/2/v18-939
Rights: Свободный доступ из сети Интернет (чтение, печать, копирование)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе основное внимание было уделено трехмерному эксперименту с сенсорным экраном, предназначенным для изучения данных траекторий движения руки и их последующего воздействия на опыт пользователя при взаимодействии с данным экраном. Основная цель этого тезиса состояла в том, чтобы проанализировать траектории движения руки. Эти данные были собраны при съемке видеороликов с повышенной частотой кадров при взаимодействии испытуемогои компьютера с при помощи трехмерного сенсорного экрана. Траектории руки записывались для каждой экспериментальной сессии в виде последовательностей расположения руки испытуемого. Используя параметры траектории руки, такие как местоположение целевого объекта и его параллакс, текущие параметры оценивали функции, позволяющие классифицировать классы параллакса. Был разработан механизм анализа траекторий движения руки. Траектории руки были отфильтрованы с помощью локально-линейной модели (алгоритм loess). Для достижения цели работы было извлечено 40 свойств траекторий, чтобы предоставить полезную информацию о поведении испытуемого. Модели классификации траекторий руки были реализованы с максимальной точностью 73% для классификации двух классов и 33% для классификации четырех классов. Сделан вывод о том, что траектории являются сложными данными для классификации.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users Read Print Download
-> Internet Anonymous

Table of Contents

  • РЕФЕРАТ
  • THE ABSTRACT
  • содержание
  • ВВЕДЕНИЕ
  • 1 ОПИСАНИЕ ЭКСПЕРИМЕНТА С 3D СИМУЛЯТОРОМ
    • 1.1 Система измерения траекторий движения руки
    • 1.2 Отслеживание движения руки
  • 2 МЕТОДЫ АНАЛИЗА ТРАЕКТОРИЙ ДВИЖЕНИЯ РУКИ
    • 2.1 Предобработка данных
      • 2.1.1 Фильтрация траекторий
      • 2.1.2 Уменьшение размерности
    • 2.2 Извлечение признаков
      • 2.2.1 Скорость и ускорение
      • 2.2.2 Положение и точность
      • 2.2.3 Характеристики, представляющие интерес для анализа указательных действий
    • 2.3 Кластеризация траекторий
    • 2.4 Классификация траекторий
    • 2.5 Прогнозирование траекторий
  • 3 ОПИСАНИЕ ПРОЦЕССА АНАЛИЗА ТРАЕКТОРИЙ
    • 3.1 Технология пайплайн
    • 3.2 Фильтрация траекторий
    • 3.3 Генерация особенностей траекторий
    • 3.4 Преобразование данных
      • 3.4.1 Уменьшение размерности
      • 3.4.2 Нормализация данных
    • 3.5 Классификация
      • 3.5.1 Метод опорных векторов
      • 3.5.2 Random Forest
      • 3.5.3 Многослойный персептрон
  • 4 ЭКСПЕРИМЕНТЫ
    • 4.1 Входные данные
    • 4.2 Результаты экспериментов
      • 4.2.1 Эксперименты над исходным набором данных
      • 4.2.2 Бинарная классификация
      • 4.2.3 Классификация четырех классов
  • Заключение
  • Список литературы

Usage statistics

stat Access count: 94
Last 30 days: 0
Detailed usage statistics