154
CONCLUSIONI E
SVILUPPI FUTURI
Dato lo scopo finale della tesi di classificare attività in un ambito sportivo calcistico, si sono proposti casi di distinzione tra coppie di attività. Tra queste, si sono scelte alcune definite di mobilità generale, teoricamente più semplici da riconoscere, ed altre più specifiche del caso in esame.
I primi casi considerati hanno riguardato il riconoscimento di attività di mobilità generale quali: Corsa, Camminata, Salto. Successivamente invece, sono state considerate attività più specifiche al caso in esame come il Calcio con il collo del piede ed il Calcio con il piatto del piede. Queste due attività sono state confrontate tra loro e con l’attività Corsa, scelta giustificata dalla ricorrenza elevata di queste attività in una competizione reale di Calcio.
Le distinzioni tra le coppie di attività sono state analizzate inizialmente con tecniche di Template Matching: Correllazione incrociata e Weigth Derivate Dynamic Time Warping (WDDTW).
Entrambi questi due metodi hanno evidenziato limiti nel distinguere le attività confrontate. Nella maggior parte dei casi infatti, è stata considerata maggiormente la classificazione di un’attività a
155
scapito dell’altra, restituendo così un elevato numero di falsi positivi (match negativi indicati nel Capitolo VI).
Con l’utilizzo della Correlazione incrociata i risultati migliori si sono ottenuti in casi che hanno riguardato attività specifiche al caso in esame: dato in controtendenza con la previsione teorica, seppur con percentuali di successo mai superiori al 62% e delle percentuali medie di successo inferiori al 50% (decisamente basse, lasciano ampio margine di errore ed incertezza di classificazione).
Con l’utilizzo dell’algoritmo WDDTW invece si sono ottenuti i risultati migliori in casi che hanno riguardato attività di mobilità generale, arrivando a un massimo di percentuale di successo del 81,43% e delle percentuali medie di successo tra il 50% ed il 70%: risultati migliori rispetto al’utilizzo della Correlazione incrociata ma non ancora sufficienti a garantire un riconoscimento adeguato delle attività.
I risultati inoltre hanno evidenziato l’efficacia di classificazione superiore dell’asse longitudinale agli arti rispetto a quello trasversale, confermando anche altri lavori di ricerca (Rossana Muscillo, Biliografia - Capitolo II – [27]). Le percentuali di successo maggiori infatti, sono state trovate proprio sull’asse y longitudinale al torace ed agli arti.
156
Una volta constatati i limiti dei due algoritmi di Template Matching, si è cercato tra le tecniche di Machine Learning un metodo alternativo più efficacie per approcciarsi agli sviluppi futuri del lavoro di ricerca presente.
Si sono scelte dunque delle Reti Neurali Ricorsive di tipo ESN, con le quali si sono ottenuti dei netti miglioramenti delle percentuali di successo, arrivando a valori del 100%, in alcuni casi occasionali, ed una percentuale media generale del 77,81%.
Questi primi miglioramenti nei risultati non hanno comunque concluso il lavoro di ricerca ma al contrario, hanno lasciato ampie possibilità di ottimizzazione al presente lavoro come:
L’utilizzo di strumenti più adatti al caso in esame (più facilmente indossabili e meno invasivi)
La possibilità di analizzare i dati in real-time L’aumento della frequenza di campionamento dei segnali. Le attività considerate si sono dimostrate infatti rilevanti in tempi molto ristretti (tra gli 0,8 s i 3 secondi)
La registrazione di attività su tempi più lunghi e continui, senza interruzioni di movimento e l’utilizzo conseguente di algoritmi di segmentazione più ottimizzati,
157
per ricercare il contenuto informativo utile dai segnali.
L’utilizzo di altri metodi di classificazione più efficienti o l’ottimizzazione eventuale delle Reti Neurali ESN utilizzate in questo lavoro di tesi. Un metodo tale può essere infatti ottimizzato con tecniche di comitato e ri-addestramento post-test.
In fine, un possibile sviluppo futuro della presente ricerca è rappresentato dalla possibilità di realizzare una logica utile all’analisi qualitativa dell’attività riconosciuta.
