Automatické spracovanie 3D dát zachycujúcich ľudský pohyb
pomocou extrakcie charakteristík je veľmi užitočné pri
automatickej klasifikácii či hľadaní podobností vo veľkých
dátach. Táto práca implementuje dva prístupy na spracovanie
pohybových dát z datového súboru HDM05 s využitím tzv.
triplet-loss prístupu učenia hlbokých neurónových sietí. Do
výslednej podoby vysokodimenzionálneho vektoru sú v práci
spracované tak anotované dáta pohybových akcii, ako aj iba
čiastočne anotované dáta segmentov, ich menších, prekrývajúcich
sa častí.