實驗設計、資料

由於3D 的人體資料取得不易，因此本論文在 3D 的動作實驗方面，採用模擬的資 料來進行。

本論文對於3D 的實驗，資料型態的假設是將一個人的全身動作分為右手、左手、

右腳、左腳和身體五個部份，並在取得人體的各部位的3D 座標後，轉換為各關節的 角度；然後再針對各肢節的動作，以角度、轉軸的變化，個別進行基礎動作（primitive motion）的分析、切割。因此，用以訓練、辨識的資料，就是右手、左手、右腳、左 腳和身體這五個部份的基礎動作序列。

目前僅先選「新國民健康操」兩個動作，利用人工定義可能的基礎動作序列，來 做初步的測試。這兩個動作的定義資料如下：

1. 動作一 踏步擺手

左手： 前擺,後擺,前擺,後擺,前擺,後擺,前擺,後擺 右手： 後擺,前擺,後擺,前擺,後擺,前擺,後擺,前擺 左腳： 前踏,後踏,前踏,後踏,前踏,後踏,前踏,後踏 右腳： 後踏,前踏,後踏,前踏,後踏,前踏,後踏,前踏 身體： 不動,不動,不動,不動,不動,不動,不動,不動

2. 動作二 踏併擺手

左手： 前擺,後擺,前擺,後擺,前擺,後擺,前擺,後擺 右手： 後擺,前擺,後擺,前擺,後擺,前擺,後擺,前擺 左腳： 前踏,後踏,前踏,後踏,外跨,縮回,外跨,縮回 右腳： 後踏,前踏,後踏,前踏,外跨,縮回,外跨,縮回 身體： 不動,不動,不動,不動,不動,不動,不動,不動

而為了模擬實際資料可能發生的錯誤，以人工的方式，在上述兩種資料中，隨機 加入可能的基礎動作辨識錯誤、切割錯誤等「雜訊」。於此模擬試驗中，對兩種動作，

都各以人工的方式建立十個加了雜訊的資料，並取五個當訓練資料、五個當作測試資 料。對於資料內容，取機筆資料的詳細列表如下：

1. 動作一

前擺, 後擺, 前擺, 後擺, 前擺, 後擺, 前擺, 後擺 後擺, 前擺, 後擺, 前擺, 後擺, 前擺, 後擺, 前擺 前踏, 後踏, 前踏, 後踏, 前踏, 後踏, 前踏, 後踏 後踏, 前踏, 後踏, 前踏, 後踏, 前踏, 後踏, 前踏 不動, 不動, 不動, 不動, 不動, 不動 a, 不動, 不動

前擺, 後擺, 前擺, 前擺 a, 後擺, 後擺 a, 後擺, 前擺, 後擺, 前擺, 後擺 後擺, 前擺, 後擺, 後擺, 前擺, 前擺, 前擺, 後擺 a, 前擺a, 後擺, 前擺 前踏a, 後踏, 前踏, 前踏, 後踏, 後踏, 後踏, 前踏, 後踏, 前踏, 後踏 後踏, 前踏, 後踏, 後踏, 前踏, 前踏, 前踏, 後踏, 前踏, 後踏, 前踏

不動, 不動, 不動, 不動 a, 不動a, 不動, 不動, 不動, 不動, 不動, 不動 前擺, 後擺, 前擺, 後擺 a, 前擺, 後擺, 後擺, 前擺, 後擺

後擺, 前擺, 後擺, 前擺, 後擺 a, 前擺a, 前擺, 後擺, 前擺 前踏a, 後踏, 前踏, 後踏, 前踏, 後踏, 後踏, 前踏, 後踏 後踏, 前踏, 後踏, 前踏, 後踏, 前踏, 前踏, 後踏 a, 前踏 不動, 不動, 不動, 不動, 不動, 不動, 不動, 不動, 不動

前擺, 後擺, 前擺, 後擺, 後擺 a, 前擺a, 後擺, 前擺, 後擺 後擺, 前擺 a, 後擺, 前擺, 前擺, 後擺, 前擺 a, 後擺, 前擺 前踏, 後踏, 前踏 a, 後踏, 後踏, 前踏, 後踏 a, 前踏, 後踏 後踏, 前踏 a, 後踏, 前踏, 前踏, 後踏, 前踏 a, 後踏, 前踏 不動, 不動, 不動, 不動, 不動 a, 不動, 不動, 不動, 不動 前擺, 後擺, 前擺, 後擺, 前擺, 後擺 a, 前擺, 後擺 後擺, 前擺, 後擺 a, 前擺, 後擺 a, 前擺, 後擺, 前擺 前踏, 後踏, 前踏, 後踏, 前踏, 後踏, 前踏 a, 後踏 後踏, 前踏, 後踏 a, 前踏, 後踏, 前踏, 後踏, 前踏 不動, 不動, 不動, 不動, 不動, 不動 a, 不動, 不動

2. 動作二

前擺, 後擺, 前擺, 後擺, 前擺, 後擺, 前擺, 後擺 後擺, 前擺, 後擺, 前擺, 後擺, 前擺, 後擺, 前擺 前踏, 後踏, 前踏, 後踏, 外跨, 縮回, 外跨, 縮回 後踏, 前踏, 後踏, 前踏, 外跨, 縮回, 外跨, 縮回 不動, 不動, 不動 a, 不動, 不動, 不動, 不動, 不動

前擺, 後擺, 前擺 a, 後擺, 前擺 a, 後擺, 後擺, 前擺, 後擺 後擺, 前擺 a, 後擺, 前擺, 後擺, 前擺, 前擺, 後擺 a, 前擺 前踏, 後踏 a, 前踏, 後踏, 外跨, 縮回, 縮回, 外跨, 縮回 後踏, 前踏, 後踏 a, 前踏, 外跨, 縮回 a, 縮回, 外跨, 縮回 不動, 不動, 不動, 不動, 不動 a, 不動, 不動, 不動, 不動 前擺, 後擺, 前擺 a, 後擺, 後擺, 前擺, 後擺, 前擺, 後擺 後擺, 前擺 a, 後擺, 前擺, 前擺 a, 後擺, 前擺, 後擺, 前擺 前踏, 後踏, 前踏, 後踏, 後踏, 外跨, 縮回, 外跨, 縮回

後踏, 前踏 a, 後踏, 前踏, 前踏, 外跨, 縮回 a, 外跨, 縮回 不動, 不動, 不動 a, 不動, 不動, 不動, 不動, 不動, 不動

前擺, 後擺, 前擺 a, 後擺, 後擺, 前擺, 前擺, 後擺, 後擺, 前擺, 後擺

後擺, 前擺 a, 後擺, 前擺, 前擺, 後擺, 後擺 a, 後擺, 前擺, 後擺 a, 前擺 前踏, 後踏, 前踏, 後踏 a, 後踏a, 外跨, 外跨, 外跨, 縮回, 外跨 a, 縮回 後踏, 前踏, 後踏 a, 前踏, 前踏, 外跨, 外跨, 外跨, 縮回 a, 外跨, 縮回 不動, 不動 a, 不動, 不動, 不動, 不動 a, 不動, 不動, 不動, 不動, 不動 前擺, 前擺 a, 後擺, 前擺 a, 後擺, 前擺 a, 後擺, 前擺, 後擺 後擺, 後擺, 前擺 a, 後擺, 前擺, 後擺, 前擺, 後擺 a, 前擺 前踏, 前踏, 後踏 a, 前踏, 後踏, 外跨, 縮回, 外跨, 縮回 後踏, 後踏, 前踏, 後踏 a, 前踏, 外跨, 縮回 a, 外跨, 縮回 不動, 不動, 不動, 不動, 不動, 不動, 不動 a, 不動, 不動

其中，雜訊的加入方法是假設每一種基礎動作都可能會被誤判為另一種基礎動作

（在名稱後加上a 的），並考慮可能有多的動作或少的動作。

5.2.2. 實驗結果

對於上述的資料，我們使用五組不同的起始亂數模型進行測試，並取其平均結果 如下表：

None FeatureSkip StepFeatureSkip TimeStataSkip Right None Wrong Right None Wrong Right None Wrong Right None Wrong Uniform 76.000 24.000 0.00092.0000.000 8.000 N/A 100.000 0.000 0.000

IW 88.000 12.000 0.00098.0000.000 2.000 90.0000.00010.000100.000 0.000 0.000 IWO 72.000 28.000 0.00094.0000.000 6.000 96.0000.0004.000 96.000 0.000 4.000 SW 88.000 10.000 2.00098.0000.000 2.000 98.0000.0002.000 98.000 0.000 2.000 SWO 72.000 28.000 0.00088.0000.00012.00084.0000.00016.000 98.000 0.000 2.000

表格 23 3D 動作模擬測試結果

雖然模擬實驗的資料量並沒有很大，但是以本研究實驗結果的辨識正確率，應該 也足以代表這種方法應用在這方面的實用性。不過應該是模擬的資料無法完全和真實 資料相似、且基本性質不盡相同，因此對於使用不同方法的結果，和用2D 的實際試 驗有些許的差異。

雖然利用多觀察值性質來找近似對應狀態的「拋棄無法對應的部份觀察值」、「拋 棄權重小的部份觀察值」兩種方法大致上也都能將辨識率提高到一定的程度；不過最 好的結果，卻是在實際資料實驗中較差的「忽略無狀態轉移可能性的時刻」，這應該是 由於資料性質不同所造成的影響。目前拿來做模擬實驗的資料，實際上在雙手以及身

體的部份動作的是一樣的，不一樣的是在雙腳的部份；也就是在五個觀察值中，有三 個是一樣的、兩個不一樣。所以對於忽略觀察值這一類的方法，很有可能會把不一樣 的部份忽略掉，而導致判斷錯誤。確實情況可能要使用較大量的真實3D 資料來做測 試後，才能釐清問題所在。