Analiza i odabir značajki potrebnih za predviđanje čovjekove trajektorije

undergraduate thesis

• Title (english): Analysis and selection of features needed to predict human trajectory
• Author: Luka Šulc
• Mentor: Marija Seder (mentor)
• Committee member: Marija Seder (predsjednik povjerenstva)
• Committee member: Tomislav Petković (član povjerenstva)
• Committee member: Anđela Jurić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-07-05, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Predviđanje čovjekove trajektorije jedan je od zahtjevnih problema strojnog učenja jer sustavi koji predviđaju kretnje čovjeka moraju biti brzi i precizni, a za postizanje takvih specifikacija koriste se sofisticirani algoritmi predviđanja. Jedan od takvih algoritama je regresija. Regresijske modele je potrebno trenirati velikim skupom podataka kako bi naučili pravilno predviđati. Podatci koji se koriste za treniranje modela su uglavnom kategorizirani po značajkama, na primjer; podatci o položaju i orijentaciji glave, torza, ručnog zgloba i slično.

Odabir podataka ključan je dio treniranja modela jer neki podatci sadrže više informacija od drugih. Iz tog razloga je potrebno provesti detaljnu analizu utjecaja različitih skupova varijabli na preciznost predviđanja te odabrati najbolji skup za treniranje.

U ovom je radu korišten model linearne regresije u svrhu uspoređivanja učinaka različitih skupova podataka. Korišteni su podatci o položaju glave, torza i ručnog zgloba te su izračunate srednje kvadratne greške modela pri upotrebi svakog skupa podataka.

Abstract (english)

Human trajectory prediction is one of the demanding problems of machine learning because systems that predict human movements must be fast and accurate, and sophisticated prediction algorithms are used to achieve such specifications. One of the algorithms used is regression. So they can learn to predict correctly, a large set of data is used in training linear regression models. The data used to train models is generally categorized by features such as the data on the position and orientation of the head, torso, wrist, and the like.

Data selection is a key part of model training because some data contain more information than other. This calls for a detailed analysis of the impact of various sets of variables on the accuracy of prediction, and choosing the best set to use in training.

In this paper, a linear regression model was used for the purpose of comparing the effects of different data sets. Head, torso, and wrist position data were used, and the mean square errors of the model were calculated for each data set.

• Keywords: strojno učenje; regresija; linearna regresija; metoda srednje vrijednosti; čovjekova trajektorija; praćenje kretanja čovjeka
• Keywords (english): machine learning; regression; linear regression; moving average method; human trajectory; human motion tracking
• Language: croatian
• URN:NBN: urn:nbn:hr:168:581887
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-14 21:50:02