CAPITOLO VI RISULTATI

(1)

CAPITOLO VI

RISULTATI

Nel corso della tesi sono state effettuate diverse prove di estrazione di risultati, nelle quali sono variate le scelte riguardo a:

1. Costituzione del segnale di riferimento (template) da considerare con i metodi di Template Matching (Correlazione Incrociata, WDDTW)

2. Soglie empiriche utili a definire la corrispondenza di un segnale con quello di un movimento noto all’utente (match)

3. Movimenti da classificare 4. Assi e mote da considerare

Per quanto riguarda la costituzione del template (punto 1.), considerando ogni registrazione di attività composta da dieci segnali, si sono provate due soluzioni:

 Scegliere i dieci segnali appartenenti alla migliore registrazione (tra le cinque scelte per il template)

 Scegliere i dieci segnali indipendentemente l’uno dall’altro, in modo da non essere per forza appartenenti alla stessa registrazione. Si considera quindi il migliore segnale rispetto agli altri cinque riferiti allo stesso

(2)

asse delle stesso mote in una diversa registrazione.

Tra queste due soluzioni non sono risultate differenze evidenti, quindi il metodo utilizzato non appare rilevante ai fini del risultato. Nelle prove finali quindi è stato scelto il primo metodo secondo un criterio empirico-logico: è sembrato infatti opportuno considerare l’intera attività del corpo come riferimento e non ogni singolo movimento che la compone.

Le soglie empiriche (punto 2.) sono state variate partendo inizialmente con un valore molto selettivo rispetto ai valori medi dei punteggi (score) trovati. Successivamente si è allargato il raggio di validità imposto dalla soglia per ottenere un più alto numero di match.

I movimenti da classificare (punto 3.) sono stati selezionati tra alcuni di mobilità generale (camminare, correre, saltare) ed altri più specifici all’attività sportiva calcio (calciare con il collo del piede, calciare con il piatto del piede).

Di seguito sono descritti i risultati delle prove finali con brevi introduzioni sui dati per chiarire meglio a cosa si riferiscono.

(3)

VI 1. RISULTATI TEMPLATE

MATCHING

In questo paragrafo vengono descritti e messi a confronto i risultati degli algoritmi Correlazione Incrociata e WDDTW, con i quali è stata eseguita la classificazione per quanto riguarda i metodi di template matching.

VI 1.1 CORSA – CAMMINATA – SALTO Inizialmente sono stati scelti movimenti di facile coordinazione non troppo simili tra loro, in modo da facilitare, perlomeno a livello teorico, la classificazione.

I tre movimenti scelti sono la camminata, la corsa e il salto (funzionale al colpo di testa), i quali rappresentano i movimenti dedicati alla mobilità di base dell’atleta.

Per ognuna delle tre attività messe a confronto, si sono registrate dieci prove, cinque delle quali utilizzate per costituire il template (la registrazione più simile tra le cinque, rispetto alle altre, come descritto nel Capitolo V – Paragrafo 3.1.1), le altre cinque per eseguire il test.

I risultati sono riportati in forma tabellare, interpretabili tramite le seguente legenda:

G -> gambe T -> torace B -> braccia

(4)

x_ -> asse x y_ -> asse y

xy_ -> assi x e y insieme

_cr -> corsa

_cm -> camminata

_st -> salto (movimento funzionale al colpo di testa)

Se evidenziato di verde è un match positivo. Se evidenziato di rosso è un match negativo. Se non evidenziato è un miss match.

Ad esempio x_cr, significa che l’analisi dei dati sull’asse x ha restituito come risultato di classificazione la corsa in una sequenza che in realtà rappresentava un’altra attività (match negativo).

Fig.6.1 Esempio di segnali registrati sull’asse y degli accelerometri in tre attività distinte: camminata, corsa, salto

(5)

VI 1.1.1 CORRELAZIONE INCROCIATA Per tutti i confronti tra attività diverse, la Soglia scelta per testare la classificazione con il metodo di Correlazione Incrociata è 2000. Il valore scelto è relativamente basso rispetto ai valori delle corrispondenze trovate tra segnali (si aggirano intorno ai 20000-40000), in modo da ottenere un più ampio numero risultati analizzabili.

- Distinzione tra camminata e corsa

Osservando la Tabella 6.1, si può notare una scarsa predisposizione della Correlazione incrociata nel classificare un’attività all’aumentare del numero di sensori usati, nonostante la Soglia empirica scelta sia molto bassa, rispetto ai valori medi che risultano nelle corrispondenze trovate Inoltre le corrispondenze (match) risultano per la maggior parte negative, non distinguendo in gran parte dei casi le due attività messe a confronto. Risultati migliori possono essere notati sugli assi y delle gambe e sull’asse x del torace.

 Percentuale match positivi: asse x -> 12,86%

asse y -> 24,29% assi xy -> 7,14%

 Percentuale match negativi: asse x -> 55,71%

(6)

assi xy -> 52,85%

 Percentuale miss match: asse x -> 31,43% asse y -> 24,29% assi xy -> 40,01% 1 2 3 4 5 1 2 3 4 5 X cr cr cr cr cr cm cm cm cm cm Y cm cm cm cm cr cm cm cr cm cm XY cr cr cr cr cr cm cm cm cm cm X cr cr cr cr cr cm cm cm cm cm Y cm cm cm cm cm cm cr cm cm cr XY cr cr cr cr cr cm cm cm cm cm X cm cm cm cr Y cr cr cm cm cm cm cm XY cm cm cm cm cr X cr cr cr cr cr cm cm cm cm Y cm cm cm cm cr cm cm cr cm cm XY cr cr cr cr cr cm cm cm cm cm X cm cm cm cm cr Y cr cm cm cm cm cm XY X cr cr cr cr cr cm cm cm cm cm Y cm cm cm cm cm XY cr cr cm cm cm cm cm X Y cm cm cm cm cm XY 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G + 2B) CAMMINATA CORSA 1 mote G DX 1 mote G SX

Tabella 6.1 Distinzione tra camminata e corsa con metodo XCorr

- Distinzione tra camminata e salto

Osservando la Tabella 6.2, si può notare qualche difficoltà nel classificare le attività con 4 o 5 mote (anche in Tabella 6.1). Inoltre si osserva come le corrispondenze trovate per l’attività salto avvengono anche per attività di camminata, non distinguendo quindi le due attività tra loro.

(7)

Osservando le percentuali di corrispondenze trovate, descritte in seguito, si può notare infatti che si aggirano intorno al 50%.

1 2 3 4 5 1 2 3 4 5 X st st st st st st st st st st Y cm st st st st cm st st st st XY st st st st st st st st st st X st st st st st st st st st st Y st st st st st st st st st st XY st st st st st st st st st st X st st st st st st st st st st Y st st st st st st st st st st XY st st st st st st st st st st X st st st st st st st st st st Y st st st st st st st st st st XY st st st st st st st st st st X st st st st st st st st st st Y st st st st st st st st st st XY st st st st st st st st st st X cm st st st st st st st Y st st st st st st st st st st XY st st st st st st st X st st st st st st st Y st st st st st st st st st st XY st st st st st st st CAMMINATA SALTO 1 mote G DX 1 mote G SX 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G + 2B)

Tabella 6.2 Distinzione tra camminata e salto con metodo XCorr

asse y -> 50% assi xy -> 50%

asse y -> 50% assi xy -> 41,43%

 Percentuale miss match: asse x -> 7,14%

(8)

asse y -> 0,00% assi xy -> 8,57%

- Distinzione tra corsa e salto 1 2 3 4 5 1 2 3 4 5 X cr cr cr cr cr st st st cr st Y st st st cr cr st st st cr st XY cr cr cr cr cr st st st st st X st st st st st st st st st st Y st st st st st st st st st st XY st st st st st st st st st st X st st st st st st st st st st Y cr st cr cr cr st st st st st XY st st st st st st st st st st X st cr st st st st st st st st Y st st st st st st st st st st XY st st st st st st st st st st X st st st st st st st st st st Y st st st st st st st st st st XY st st st st st st st st st st X cr cr cr cr cr cr st cr cr cr Y st st st st st st st st st st XY cr cr cr cr cr st st st st st X st st st st st st st st Y st st st st st st st st st st XY st st st st st st st st 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G + 2B) CORSA SALTO 1 mote G DX 1 mote G SX

Tabella 6.3 Distinzione tra corsa e salto con metodo XCorr

Anche in Tabella 6.3, le corrispondenze dell’attività salto avviengono in molte attività di corsa (anche se in maniera ridotta rispetto al confronto precedente tra camminata e salto, descritto in Tabella 6.2), non permettendo una buona distinzione tra i due movimenti. Alcuni risultati positivi si possono notare invece con l’uso di 4 mote sugli assi xy, dove l’aggiunta delle

(9)

misure sui mote posizionati sulle braccia ha favorito la classificazione.

asse y -> 57,14% assi xy -> 64,29%

asse y -> 42,90% assi xy -> 32,85%

asse y -> 0,00% assi xy -> 2,86%

VI 1.1.2 WDDTW

Per tutti i confronti tra attività diverse, la Soglia scelta per testare la classificazione con il metodo di WDDTW è 60. Il valore scelto è relativamente alto rispetto ai valori delle corrispondenze trovate tra segnali (si aggirano intorno ai 10-40), in modo da ottenere un più ampio numero risultati analizzabili.

- Distinzione tra camminata e corsa

Osservando la Tabella 6.4, si può notare come con la soglia scelta, che lascia comunque un buon margine ai valori permessi per trovare una

(10)

corrispondenza tra segnali, non si presenta il caso di non classificazione (miss match); fatto che invece si è verificato con il metodo di Correlazione incrociata (Tab.6.1, Tab.6.2, Tab.6.3).

La distinzione tra i due movimenti non è comunque buona, vista la tendenza dell’algoritmo a classificare le registrazioni di test come camminanata, anche in casi di corsa.

Miglioramenti dei risultati sono osservabili sull’asse x e sugli assi xy del torace e su tutti gli assi nel caso di 5 sensori dove comunque partecipa sempre il mote del torace.

1 2 3 4 5 1 2 3 4 5 X cm cm cm cm cm cm cm cm cm cm Y cm cm cm cm cm cm cr cm cm cm XY cm cm cm cm cm cm cm cm cm cm X cm cm cm cm cm cm cm cm cm cm Y cr cm cm cm cm cm cr cr cm cm XY cm cm cm cm cm cm cm cm cm cm X cr cr cr cr cr cr cr cr cr cr Y cm cm cm cm cm cm cm cm cm cm XY cr cr cr cr cr cr cr cr cr cr X cm cm cm cm cm cm cm cm cm cm Y cm cm cm cm cm cm cr cm cm cm XY cm cm cm cm cm cm cm cm cm cm X cm cm cm cr cm cm cm cm cm cm Y cm cm cm cm cm cm cr cm cm cm XY cm cm cm cm cm cm cm cm cm cm X cm cm cm cm cm cm cm cm cm cm Y cm cm cm cm cm cm cr cm cm cm XY cm cm cm cm cm cm cr cm cm cm X cm cm cm cr cm cr cr cm cm cr Y cm cm cm cm cm cr cr cm cm cm XY cm cm cm cm cm cr cr cm cm cm CAMMINATA CORSA 1 mote G DX 1 mote G SX 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G+2B)

Tabella 6.4 Distinzione tra camminata e corsa con metodo WDDTW

(11)

asse y -> 60% assi xy -> 54,29%

asse y -> 40% assi xy -> 45,71%

- Distinzione tra camminata e salto 1 2 3 4 5 1 2 3 4 5 X cm cm cm cm cm cm st cm cm cm Y cm cm cm cm cm cm cm cm cm cm XY cm cm cm cm cm cm st cm cm cm X cm cm cm cm cm cm st cm cm cm Y cm cm cm cm cm cm cm cm st st XY cm cm cm cm cm cm st cm cm cm X cm cm cm cm cm cm cm cm cm cm Y cm cm cm cm cm st st st st st XY cm cm cm cm cm cm cm cm cm cm X cm cm cm cm cm cm st cm cm cm Y cm cm cm cm cm cm cm cm cm cm XY cm cm cm cm cm cm st cm cm cm X cm cm cm cm cm cm cm cm cm cm Y cm cm cm cm cm cm st cm st st XY cm cm cm cm cm cm cm cm st cm X cm cm cm cm cm cm cm cm cm cm Y cm cm cm cm cm st st st st st XY cm cm cm cm cm cm st cm cm cm X cm cm cm cm cm cm cm cm cm cm Y cm cm cm cm cm st st st st st XY cm cm cm cm cm cm cm cm cm cm CAMMINATA SALTO 1 mote G DX 1 mote G SX 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G + 2B)

Tabella 6.5 Distinzione tra camminata e salto con metodo WDDTW

Nel confronto descritto in Tabella 6.5, si continua a trovare sempre una corrispondenza tra segnali di riferimento e di test, come nel caso descritto in

(12)

Tabella 6.4. Inoltre si ha il valido riconoscimento dell’attività di camminata, ed un parziale riconoscimento dell’attività salto, specialmente per registrazioni che riguardano l’asse y del torace o l’asse y delle braccia. L’apporto di quest’ultime lo possiamo notare nelle registrazioni con 4 o 5 mote.

asse y -> 78,57% assi xy -> 54,29%

asse y -> 21,43% assi xy -> 45,71%

- Distinzione tra corsa e salto

In Tabella 6.6, come negli altri casi analizzati con metodo WDDTW (Tab.6.4, Tab.6.5), si può notare la mancanza totale dei delle non corrispondenze (miss match) ed una buona distinzione tra le due attività corsa e salto dei sensori usati, soprattutto sugli assi y.

(13)

assi xy -> 71,43%

 Percentuale match negativi: asse x -> 45,71% asse y -> 18,57% assi xy -> 28,57% 1 2 3 4 5 1 2 3 4 5 X st cr st st st st st st cr st Y st cr st st st st st st st st XY st cr st st st st st st st st X cr cr cr cr cr cr st cr cr cr Y cr st cr cr cr cr st cr cr st XY cr cr cr cr cr cr st cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr st cr cr cr st st st st st XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr st st cr cr cr Y cr st cr cr cr cr st cr st st XY cr cr cr cr cr cr st cr st st X cr cr cr cr cr cr cr cr cr cr Y cr st cr cr cr cr st st st st XY cr cr cr cr cr cr st cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr st st st st st XY cr cr cr cr cr cr st cr st st X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr st st st st st XY cr cr cr cr cr cr cr cr st cr 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G + 2B) CORSA SALTO 1 mote G DX 1 mote G SX

Tabella 6.6 Distinzione tra corsa e salto con metodo WDDTW

(14)

VI 1.2 CORSA – CALCIO DI COLLO – CALCIO DI PIATTO

Movimenti come il Calcio con il collo del piede ed il Calcio con il piatto del piede, rappresentano delle attività più caratteristiche dello sport Calcio, ma allo stesso tempo richiedono una coordinazione dell’atleta più complessa e difficile da classificare.

Da un lato quindi è stato cercato di discriminare queste due attività tra loro, dall’altro è stato provato a discriminarle entrambe da un movimento più generale come la Corsa. Scelta giustificata dal fatto che queste attività, in una situazione di gioco reale, vengono svolte in maniera consecutiva molto frequentemente.

Per ognuna delle tre attività messe a confronto, si sono registrate dieci prove, cinque delle quali utilizzate per costituire il template (la registrazione più simile tra le cinque rispetto alle altre, come descritto nel Capitolo V – Paragrafo 3.1.1), le altre cinque per eseguire il test.

Le registrazioni del calcio sono effettuate a velocità variabile, alcune più veloci ed altre più lente.

Per quanto riguarda la legenda, valgono alcune modifiche rispetto alla legenda proposta nel paragrafo precedente, perché riferita ad attività differenti:

G -> gambe T -> torace

(15)

B -> braccia

x_ -> asse x y_ -> asse y

xy_ -> assi x e y insieme

_cc -> calcio con il collo del piede dx _cp -> calcio con il piatto del piede dx

Se evidenziato di verde è un match positivo. Se evidenziato di rosso è un match negativo. Se non evidenziato è un miss match.

Fig.6.2 Esempio di segnali registrati sull’asse y degli accelerometri in tre attività distinte : corsa, calcio di collo destro, calcio di piatto destro

(16)

VI 1.2.1 CORRELAZIONE INCROCIATA La Soglia (2000) scelta per analizzare le attività corsa, calcio di collo, calcio di piatto è sempre la stessa usata per analizzare i confronti tra camminata, corsa e salto.

- Distinzione tra corsa e calcio di collo DX

In Tabella 6.7, come negli altri casi analizzati con Correlazione Incrociata (Tab.6.1, Tab.6.2, Tab.6.3), si osserva la presenza di casi non classificati (miss match) al crescere del numero di sensori pur avendo una Soglia che lascia ampi margini alla classificazione.

Per quanto riguarda invece le corrispondenze ottenute, si ha un equilibrio maggiore, rispetto ai casi precedenti, nella corretta distinzione dei movimenti di corsa e calcio di collo dx.

asse y -> 58,57% assi xy -> 41,42%

asse y -> 32,85% assi xy -> 40%

 Percentuale miss match: asse x -> 8, 58%

(17)

asse y -> 8,58% assi xy -> 18,58% 1 2 3 4 5 1 2 3 4 5 X cr cc cc cc cc cc cc cc cc cc Y cc cc cc cc cc cc cc cc cc cc XY cc cc cc cc cc cc cc cc cc cc X cr cr cr cr cr cr cr cr cr cr Y cr cc cc cc cc cc cc cc cc cc XY cr cr cr cr cc cr cr cr cr cr X cc cc cc cc cc cc cr cc cc cc Y cr cr cr cr cr cr cc cr cr cr XY cc cc cc cc cc cc cr cc cc cc X cc cr cr cr cr cr cr cr cr cr Y cr cc cc cc cc cc cr cc cc cc XY cc cc cc cr cc cc cr cc cc cc X cc cc cc cc cc cc cr cc cc cc Y cr cc cr cc cr cc cc XY cc cc cc cc cr cc cc X cr cr cr cr cr cr cc cr cr cr Y cr cr cr cr cr cr cc cc cc XY cr cr cr cr cr cr cc cc X cc cr cc cc Y cr cr cr cr cr cr cc cc XY cr cc 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G + 2B)

CORSA CALCIO COLLO DX

1 mote G DX

1 mote G SX

Tabella 6.7 Distinzione tra corsa e calcio con il collo del piede destro con metodo XCorr

- Distinzione tra corsa e calcio di piatto DX

In Tabella 6.8, come negli altri casi analizzati con Correlazione Incrociata (Tab.6.1, Tab.6.2, Tab.6.3, Tab.6.7), si osserva la presenza di casi non classificati (miss match) al crescere del numero di sensori pur avendo una Soglia che lascia ampi margini alla classificazione.

Per quanto riguarda invece i le corrispondenze ottenute, si ha un buon equilibrio nella corretta

(18)

distinzione dei movimenti di corsa e calcio di piatto dx, come nel caso corsa-calcio di collo dx (Tab.6.7).

1 2 3 4 5 1 2 3 4 5 X cr cr cr cr cr cr cp cr cr cp Y cp cr cp cp cp cp cp cp cp cp XY cr cr cr cr cr cp cp cp cp cp X cr cr cr cr cp cp cp cp cr cp Y cr cp cp cr cp cp cp cr cp cp XY cr cr cp cr cp cp cp cp cr cp X cp cp cp cr cp cp cp cp cp cp Y cr cr cr cp cr cr cr cr cr cr XY cp cp cp cp cp cp cp cp cp cp X cr cr cr cr cr cr cp cr cp Y cp cp cp cp cp cp cp cp cp XY cr cr cr cr cr cp cp cp cp X cp cp cp cp cp cp cp cp cp cp Y cr cp cp cr cp cp cp XY cp cp cp cp cp cp cp X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cp cp cp cp XY cr cr cr cr cp cp cr cp cp X cp cp cp cp cp cp cp cp cp Y cr cr cr cr cr cp cp XY cp cp cp cp cp cp

CORSA CALCIO PIATTO DX

1 mote G DX 1 mote G SX 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G +2B)

Tabella 6.8 Distinzione tra corsa e calcio con il piatto del piede destro con metodo XCorr

asse y -> 45,71% assi xy -> 60%

asse y -> 42,86% assi xy -> 27,14%

(19)

asse y -> 11,43% assi xy -> 12,86%

- Distinzione tra calcio di collo DX e calcio di piatto DX

Nel caso descritto in Tabella 6.9 sono state messe a confronto due attività molto specifiche del caso in esame le quali, a livello di coordinazione dell’atleta, si differenziano per pochi particolari. Nonostante questa difficoltà si può notare dei miglioramenti nella classificazione corretta usando 4 o 5 sensori; tenendo conto comunque di un elevata presenza di casi in cui non si ha corrispondenza (miss match).

asse y -> 44,29% assi xy -> 44,29%

asse y -> 31,42% assi xy -> 31,42%

asse y -> 24,29% assi xy -> 24,29%

(20)

1 2 3 4 5 1 2 3 4 5 X cc cc cc cc cc cc cc cc cc cc Y cc cc cc cc cc cc cc cc cc cc XY cc cc cc cc cc cc cc cc cc cc X cp cp cp cp cp cp cp cp cp cp Y cc cc cc cc cc cc cc cc cc cc XY cp cp cp cp cp cc cp cp cp cp X cc cc cc cc cc cc cc cc cc cc Y cp cc cc cp cp cc cp cp cc XY cc cc cc cc cc cc cc cc cc X cc cc cp cp cp cc cp cp Y cc cc cc cc cc cc cc cc cc cc XY cc cc cc cc cc cc cp cc cp cc X cc cc cc cc cc cc cc cc cp Y cc cc cc cc cc XY cc cc cc cc cc X cp cp cp cp cp cp cp cp cp Y cc cc cc cc cp XY cp cc cc cp cp cp X cc cc cc cc cp cc cp cp Y cc cc cc cp XY cc cc cc 5 mote 1 mote T 2 mote G 3 mote (2G + 1T) 4 mote (2G + 2B)

CALCIO COLLO DX CALCIO PIATTO DX

1 mote G DX

1 mote G SX

Tabella 6.9 Distinzione tra corsa e calcio con il piatto del piede destro con metodo XCorr

VI 1.2.2 WDDTW

La Soglia (60) scelta per analizzare le attività corsa, calcio di collo, calcio di piatto è sempre la stessa usata per analizzare i confronti tra camminata, corsa e salto.

- Distinzione tra corsa e calcio di collo DX

Con l’algoritmo WDDTW, nel confronto descritto in Tabella 6.10 si può osservare uno sbilanciamento della classificazione in favore della corsa, fatto che

(21)

impedisce una corretta distinzione dei due movimenti.

Qualche miglioramento si può notare sull’asse y.

1 2 3 4 5 1 2 3 4 5 X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cc cc cc cr cr XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cr cr cr cr cr XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cr cr cc cr cc XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cc cr cr cr cr XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cr cr cc cr cr XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cc cr cc cr cr XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cr cr cc cr cr XY cr cr cr cr cr cr cr cr cr cr

CORSA CALCIO COLLO DX

1 mote G DX 1 mote G SX 5 sensori 1 mote T 2 mote G 3 mote (2G + 1T) 4 sensori

Tabella 6.10 Distinzione tra corsa e calcio con il collo del piede destro con metodo WDDTW

 Percentuale match positivi: asse x -> 50%

asse y -> 64,28% assi xy -> 50%

 Percentuale match negativi: asse x -> 50%

asse y -> 35,73% assi xy -> 50%

(22)

- Distinzione tra corsa e calcio di piatto DX

Anche in questo confronto descritto in Tabella 6.11 si può osservare uno sbilanciamento della classificazione in favore della corsa, fatto che impedisce una corretta distinzione dei due movimenti.

Qualche miglioramento si può notare sull’asse y del torace e l’asse x della gamba DX (gamba che calcia). 1 2 3 4 5 1 2 3 4 5 X cc cr cc cc cr cr cc cr cc cc Y cr cr cr cr cr cr cr cc cr cr XY cr cr cr cr cr cr cr cr cr cc X cr cr cr cr cc cr cr cr cr cr Y cr cr cr cr cr cc cr cr cr cr XY cr cr cr cr cr cc cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cc cr cc cc cc XY cr cr cr cr cr cr cr cr cr cr X cr cr cc cr cr cr cr cr cr cc Y cr cr cr cr cr cr cr cr cr cr XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cr cr cr cr cr XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cr cr cr cr cr XY cr cr cr cr cr cr cr cr cr cr X cr cr cr cr cr cr cr cr cr cr Y cr cr cr cr cr cr cr cr cr cr XY cr cr cr cr cr cr cr cr cr cr 5 sensori 1 mote T 2 mote G 3 mote (2G + 1T) 4 sensori

CORSA CALCIO PIATTO DX

1 mote G DX

1 mote G SX

Tabella 6.11 Distinzione tra corsa e calcio con il collo del piede destro con metodo WDDTW

(23)

asse y -> 57,14% assi xy -> 51,43%

asse y -> 42,86% assi xy -> 48,57%

- Distinzione tra calcio di collo DX e calcio di piatto DX

In questo confronto (descritto in Tab.6.12) tra movimenti specifici del caso in esame, si nota uno sbilanciamento della classificazione a favore del calcio di piatto, con conseguente difficoltà nel distinguere i due movimenti. Alcuni miglioramenti possono essere notati sull’asse y.

 Percentuale match positivi: asse x -> 50%

asse y -> 72, 85% assi xy -> 50%

 Percentuale match negativi: asse x -> 50%

asse y -> 27,15% assi xy -> 50%

(24)

1 2 3 4 5 1 2 3 4 5 X cp cp cp cp cp cp cp cp cp cp Y cp cc cc cp cc cp cp cp cp cp XY cp cp cp cp cp cp cp cp cp cp X cp cp cp cp cp cp cp cp cp cp Y cp cc cc cp cp cp cc cc cc cc XY cp cp cp cp cp cp cp cp cp cp X cp cp cp cp cp cp cp cp cp cp Y cp cp cp cp cp cp cc cp cp cc XY cp cp cp cp cp cp cp cp cp cp X cp cp cp cp cp cp cp cp cp cp Y cp cc cc cp cc cp cp cp cp cp XY cp cp cp cp cp cp cp cp cp cp X cp cp cp cp cp cp cp cp cp cp Y cp cc cc cp cc cp cp cp cp cp XY cp cp cp cp cp cp cp cp cp cp X cp cp cp cp cp cp cp cp cp cp Y cp cc cc cp cc cp cp cp cp cp XY cp cp cp cp cp cp cp cp cp cp X cp cp cp cp cp cp cp cp cp cp Y cp cc cc cp cc cp cp cp cp cp XY cp cp cp cp cp cp cp cp cp cp 5 sensori 1 mote T 2 mote G 3 mote (2G + 1T) 4 sensori

CALCIO COLLO DX CALCIO PIATTO DX

1 mote G DX

1 mote G SX

Tabella 6.12 Distinzione tra calcio con il collo del piede destro e il calcio con il piatto del piede destro con metodo WDDTW

VI 1.3 CONFRONTO RISULTATI

Osservando i risultati dei due algoritmi di Template Matching in modo globale le principali osservazione che si possono fare sono:

 Presenza considerevole di miss match con l’uso della XCorr, nonostante la Soglia empirica scelta lasci più ampio raggio di validità rispetto alla soglia scelta per l’algoritmo WDDTW.

 Entrambi gli algoritmi hanno restituito nella maggior parte dei casi delle propensioni di classificazione verso un’attività. Fatto che

(25)

rende difficile distinguere un movimento dall’altro. I casi più equilibrati sono stati quelli relativi a camminata-corsa-salto con algoritmo WDDTW, e quelli relativi a corsa-calcio di collo dx-corsa-calcio di piatto dx con l’algoritmo XCorr.

 Osservando invece i risultati rispetto agli assi, quello che si è dimostrato più significativo è l’asse y, longitudinale agli arti ed al torace. Soprattutto per quanto riguarda l’algoritmo WDDTW.

Le percentuali globali di riuscita corrispondenza sono infatti (le migliori sono evidenziate):

- Percentuale match positivi:

XCorr WDDTW

asse x -> 48,33% asse x -> 51,43% asse y -> 48,57% asse y -> 67,86% assi xy -> 44,53% assi xy -> 55,24%

- Percentuale match negativi:

XCorr WDDTW

asse x -> 41,43% asse x -> 48,57% asse y -> 40% asse y -> 32,14% assi xy -> 37,62% assi xy -> 44,76%

- Percentuale miss match:

XCorr WDDTW asse x -> 10,24% asse x -> 0,00% asse y -> 11,43% asse y -> 0,00% assi xy -> 17,85% assi xy -> 0,00%

(26)

VI 2. RISULTATI MACHINE

LEARNING

Prendendo come riferimento le prove effettuate con i metodi di Template Matching, si sono proposti i soliti confronti tra coppie di attività, analizzati però con un metodo di Machine Learning.

Il suddetto metodo implementa delle reti neurali ricorsive di tipo ESN (Capitolo IV – Paragrafo 3.1), adatte ad analizzare dei dataset che contengono i segnali riferiti a due classi distinte (biclasse). Nel dataset di ognuno dei seguenti casi considerati:

1. Distinzione Corsa – Camminata 2. Distinzione Salto – Corsa

3. Distinzione Salto – Camminata

4. Distinzione Corsa – Calcio di collo destro 5. Distinzione Corsa – Calcio di piatto destro 6. Distinzione Calcio di collo destro – Calcio di

piatto destro

si ha 20 registrazioni, di cui 10 riferite alla prima attività e 10 riferite alla seconda attività.

Per ogni registrazione si è tenuto conto di tutti e 10 i segnali provenienti dagli assi x e y dei 5 sensori mote.

In ogni caso analizzato, sono variate tutte le combinazioni di valori degli iperparametri, in modo da trovare la configurazione ottima della rete ESN (Capitolo V – Paragrafo 3.2.1 - Tabella 5.1). La configurazione scelta in fase di

(27)

addestramento e validazione viene poi usata per classificare le registrazioni di test.

- Distinzione Corsa – Camminata

Come si può osservare in Tabella 6.13, nel caso di distinzione tra le attività Corsa e Camminata, la configurazione ESN migliore è risultata la numero 46 con un errore medio percentuale del 14,15% (approssimando per eccesso il risultato in valore assoluto di Tabella 6.13). Id 46 ResD 25 Req 1 Leaky 0,9 Rho 0,5 TestErr 0,14148988

Tab 6.13 Migliore configurazione rete ESN nel caso di distinzione tra l’attività Corsa e l’attività Camminata

Nelle 6 registrazioni, scelte dall’algoritmo per effettuare il test, gli errori in valore assoluto sono rispettivamente: - 0 in percentuale: 0,00% - 0.22222221 in percentuale: 22,22% - 0.46153843 in percentuale: 46,15% - 0.09375 in percentuale: 9,38% - 0.0714286 in percentuale: 7,14% - 0 in percentuale: 0,00%

(28)

La percentuale media di successo nella classificazione tra queste due attività è quindi del 85,85%.

- Distinzione Salto – Corsa

Come si può osservare in Tabella 6.14, nel caso di distinzione tra le attività Salto e Corsa, la configurazione ESN migliore è risultata la numero 80 con un errore medio percentuale del 35,56% (approssimando per eccesso il risultato in valore assoluto di Tabella 6.14). Id 80 ResD 50 Req 0,1 Leaky 0,2 Rho 0,99 TestErr 0,35556403

Tab 6.14 Migliore configurazione rete ESN nel caso di distinzione tra l’attività Salto e l’attività Corsa

Nelle 6 registrazioni, scelte dall’algoritmo per effettuare il test, gli errori in valore assoluto sono rispettivamente: - 0,07407409 in percentuale: 7,41% - 0,94285715 in percentuale: 94,29% - 0,125 in percentuale: 12,5% - 0,22222221 in percentuale: 22,22% - 0,35897434 in percentuale: 35,90% - 0,4102564 in percentuale: 41,03%

(29)

- Distinzione Salto – Camminata

Come si può osservare in Tabella 6.15, nel caso di distinzione tra le attività Salto e Camminata, la configurazione ESN migliore è risultata la numero 139 con un errore medio percentuale del 10,52% (approssimando per eccesso il risultato in valore assoluto di Tabella 6.15). Id 139 ResD 100 Req 1 Leaky 0,2 Rho 0,9 TestErr 0,10516891

Tab 6.15 Migliore configurazione rete ESN nel caso di distinzione tra l’attività Salto e l’attività Camminata

Nelle 6 registrazioni, scelte dall’algoritmo per effettuare il test, gli errori in valore assoluto sono rispettivamente: - 0.02222222 in percentuale: 2,22% - 0.08571428 in percentuale: 8,57% - 0.100000024 in percentuale: 10% - 0 in percentuale: 0,00% - 0.25641024 in percentuale: 25,64% - 0.16666669 in percentuale: 16,67%

(30)

- Distinzione Corsa – Calcio di collo destro

Come si può osservare in Tabella 6.16, nel caso di distinzione tra le attività Corsa e Calcio di collo destro, la configurazione ESN migliore è risultata la numero 124 con un errore medio percentuale del 24,47% (approssimando per eccesso il risultato in valore assoluto di Tabella 6.16).

Id 124 ResD 100 Req 0,1 Leaky 0,1 Rho 0,9 TestErr 0,2446984

Tab 6.16 Migliore configurazione rete ESN nel caso di distinzione tra l’attività Corsa e l’attività Calcio di collo destro

Nelle 6 registrazioni, scelte dall’algoritmo per effettuare il test, gli errori in valore assoluto sono rispettivamente: - 0 in percentuale: 0,00% - 0.4074074 in percentuale: 40,74% - 0.5897436 in percentuale: 58,97% - 0.09375 in percentuale: 9,38% - 0.26190478 in percentuale: 26,19% - 0.11538464 in percentuale: 11,54%

(31)

- Distinzione Corsa – Calcio di piatto destro

Come si può osservare in Tabella 6.17, nel caso di distinzione tra le attività Corsa e Calcio di piatto destro, la configurazione ESN migliore è risultata la numero 50 con un errore medio percentuale del 27,01% (approssimando per eccesso il risultato in valore assoluto di Tabella 6.17). Id 50 ResD 50 Req 0,001 Leaky 0,05 Rho 0,99 TestErr 0,27014652

Tab 6.17 Migliore configurazione rete ESN nel caso di distinzione tra l’attività Corsa e l’attività Calcio di piatto destro

Nelle 6 registrazioni, scelte dall’algoritmo per effettuare il test, gli errori in valore assoluto sono rispettivamente: - 0,14285713 in percentuale: 14,29% - 0 in percentuale: 0,00% - 0,6923077 in percentuale: 69,23% - 0 in percentuale: 0,00% - 0,78571427 in percentuale: 78,57% - 0 in percentuale: 0,00%

(32)

- Distinzione Calcio di collo destro – Calcio di piatto destro

Come si può osservare in Tabella 6.18, nel caso di distinzione tra le attività Calcio di collo destro e Calcio di piatto destro, la configurazione ESN migliore è risultata la numero 92 con un errore medio percentuale del 21,41% (approssimando per eccesso il risultato in valore assoluto di Tabella 6.18). Id 92 ResD 50 Req 0,1 Leaky 0,2 Rho 0,99 TestErr 0,2140783

Tab 6.18 Migliore configurazione rete ESN nel

caso di distinzione tra l’attività Calcio di collo destro e l’attività Calcio di piatto destro

Nelle 6 registrazioni, scelte dall’algoritmo per effettuare il test, gli errori in valore assoluto sono rispettivamente: - 0,23809522 in percentuale: 23,81% - 0,2631579 in percentuale: 26,32% - 0,26923078 in percentuale: 26,92% - 0,090909064 in percentuale: 9,10% - 0,3076923 in percentuale: 30,77%

(33)

- 0,11538464 in percentuale: 11,54%

VI 2.1 ANALISI RISULTATI MACHINE LEARNING

Per riassumere i risultati ottenuti con le reti neurali di tipo ESN in tutti i casi di distinzione tra coppie di attività quali:

1. Distinzione Corsa – Camminata 2. Distinzione Salto – Corsa

3. Distinzione Salto – Camminata

4. Distinzione Corsa – Calcio di collo destro 5. Distinzione Corsa – Calcio di piatto destro 6. Distinzione Calcio di collo destro – Calcio di

piatto destro

Si possono elencare le seguenti percentuali medie di errore e successo di classificazione:

Errore Successo 1. 14,15% 1. 85,85% 2. 35,66% 2. 64,44% 3. 10,52% 3. 89,48% 4. 24,47% 4. 75,53% 5. 27,01% 5. 72,99% 6. 21,41% 6. 78,59%

(34)

Calcolando le medie delle percentuali parziali appena elencate, si ottengono le seguenti percentuali generali:

Errore Successo - 22,19% - 77,81%

Come si può osservare le migliori percentuali di successo nella classificazione tra coppie di attività appartengono ai casi di Salto – Camminata e Corsa –Camminata. In entrambi i casi partecipano attività che definite di mobilità generale, le quali si differenziano dalle altre per una più facile coordinazione corporea richiesta all’atleta. Allo stesso tempo però, il risultato peggiore è stato ottenuto nel caso Salto – Corsa: entrambe sempre considerate di mobilità generale.

Per quanto riguarda invece i casi in cui sono state coinvolte attività più specifiche al caso in esame (Calcio di collo e Calcio di piatto), i risultati non hanno evidenziato grossi peggioramenti di riuscita riconoscimento attività, riportando percentuali di successo comunque superiori al 70%.