建立選手基礎節點座標檔
使用CMU - Panoptic Studio（卡內基·梅隆大學的研究單位）在GitHub所提供的OpenPose[16]執行檔，輸出影片中所有人的25個身體節點json檔。
（25個人體節點位置）
| 0 | Nose | 鼻子 | 13 | LKnee | 左膝蓋 |
|---|---|---|---|---|---|
| 1 | Neck | 脖子 | 14 | LAnkle | 左腳踝 |
| 2 | RShoulder | 右肩膀 | 15 | REye | 右眼睛 |
| 3 | RElbow | 右手肘 | 16 | LEye | 左眼睛 |
| 4 | RWrist | 右手腕 | 17 | REar | 右耳朵 |
| 5 | LShoulder | 左肩膀 | 18 | LEar | 左耳朵 |
| 6 | LElbow | 左手肘 | 19 | LBigToe | 左腳內 |
| 7 | LWrist | 左手腕 | 20 | LSmallToe | 左腳外 |
| 8 | MidHip | 跨中心 | 21 | LHeel | 左腳跟 |
| 9 | RHip | 右臀 | 22 | RBigToe | 右腳內 |
| 10 | RKnee | 右膝蓋 | 23 | RSmallToe | 右腳外 |
| 11 | RAnkle | 右腳踝 | 24 | RHeel | 右腳跟 |
| 12 | LHip | 左跨 |
其執行檔的安裝流程和使用方式均有放置在GitHub上。
將須判斷之影片輸入後，其會輸出標示人體關節點的影片，及下圖的json檔樣式。因我們僅需人體關節點的數據檔，因此僅輸出json檔以利後續研究。
（OpenPose 輸出的json檔）
(OpenPose輸出的人物節點影片)
Openpose[16]所輸出的json檔，為了後續使用便利，因此將其輸出的檔案，使用多個自訂義的程式去校正，並輸出CSV檔，主要執行流程如下圖
資料整理
1. 讀取第一個json檔
將json檔中的每個人單獨整理成一個list檔，並利用第一幀的照片套用場地線去辨識兩位選手的座標範圍，並將偵測出的座標當作人物初始座標。
（第一幀所有人25個節點的list）
（偵測出的兩位選手的第一幀座標）
2. 座標比對
利用後減前的X、Y座標距離差，判斷是否為該選手，並用此方式將選手在每一幀的坐標點找出，將每一個節點都單獨整理成一個list檔，所以每位選手都會有25個list去分別對應其節點(請參考人物節點介紹中的25個人體節點位置圖[15])。
3. 資料筆數矯正
會有幾幀因為偵測誤差或是其他干擾因素而導致資料有誤差，所以需要確認資料筆數是否和其幀數一致，若不一致，找出缺少的幀數並將該幀補0，讓資料筆數一致。
（檢查資料筆數是否正確）
資料前處理
1. KNN遺失值插補
將節點檔中的遺失值進行插補，但為了維持資料的可用性，也為了降低資料的偏誤，遺失的幀數只要大於等於10幀，便不進行插補。
（偵測哪一幀需要插補）
2. ARIMA檢查軌跡 & 資料插補
因OpenPose[16]偵測時有可能會因姿勢或是攝影角度……等各項因素，而產生偵測的節點位置誤差，所以導致其運動軌跡不連貫。為避免此情況，故使用ARIMA[13]檢查各點的運動軌跡，並將軌跡異常點列出後歸0，並再次使用KNN進行插補，插補條件同上一步。
（使用ARIMA檢測發現的異常點）
3. 資料輸出
輸出兩位選手在影片中每一幀的25個人體節點CSV檔。