Exploring human motion modelling with Dynamic Bayesian Networks for Multiple Object Tracking tests. Sviluppo di modelli del movimento umano con reti bayesiane dinamiche per la realizzazione di test di Multiple Object Tracking.

Watching an action being executed helps the learning of that motor task. Moreover, visual guidance has already proven to help observers in the learning of new motor tasks. In the cognition field, Multiple Object Tracking (MOT) tests are widely used to study how our visual system tracks multiple objects. In the usual MOT paradigm, subjects must track a number of items moving randomly in a field of identical distractors. We can assume that watching an action is a visual task where multiple points of interests need to be tracked. In this project I explored an approach to pave the way for a MOT-like test involving visual guidance for human motion. I first developed a Multiple Object Tracking protocol that will be used to test the effects of visual guidance on the usual paradigm. This test is to be used by researchers within the Sports Science Department at Brunel University. Models of human motion were then developed using Dynamic Bayesian Networks, inferring them from videos picturing a human motor task. These models were used to generate new videos of bi-dimensional pointlight figures. Finally, I adapted the MOT testing protocol to incorporate these generated figures mimicking human motion.

Sviluppo di modelli del movimento umano con reti bayesiane dinamiche per la realizzazione di test di Multiple Object Tracking. Guardare un'azione mentre questa viene eseguita ne agevola l'apprendimento. Inoltre è stato provato che l'impiego di una guida visiva aiuta l'osservatore nell'apprendimento di un nuovo task motorio. In campo cognitivo, i test di Multiple Object Tracking (MOT) sono ampiamente usati per studiare come il nostro sistema visivo tenga traccia di più oggetti simultaneamente. Il paradigma MOT usuale prevede che il partecipante tenga traccia di un certo numero di oggetti. Questi si muovono in maniera casuale all'interno di un'area in cui sono presenti dei distrattori ad essi identici. Possiamo assumere che osservare un'azione sia comparabile ad un task visivo in cui dobbiamo seguire diversi punti di interesse simultaneamente. In questo progetto ho esplorato un approccio per aprire la strada a dei test di Multiple Object Tracking che prevedano l'utilizzo di guide visive per l'osservazione di movimenti umani. Ho sviluppato un protocollo MOT che verrà utilizzato per testare gli effetti delle guide visive nel paradigma usuale. Questo test verrà utilizzato dai ricercatori del dipartimento di scienze motorie della Brunel University di Londra. In seguito ho utilizzato delle reti bayesiane dinamiche per la modellazione di movimenti umani. I modelli vengono costruiti per inferenza da un insieme di video che raffigurano un task motorio. Questi modelli sono stati usati per generare dei nuovi video di figure "a punti di luce" bidimensionali. Infine ho adattato il protocollo MOT per incorporare le figure, così generate, che mimano il movimento umano.