[论文评析]基于人体姿态识别的立定跳远 动作智能评估系统
基于人体姿态识别的立定跳远 动作智能评估系统
- 论文信息
- 背景
- 方法
- 系统总体设计
- 立定跳远动作智能评估系统
- 标准动作库子系统
- 动作采集子系统
- 人体姿态动作评估子系统
- 人体姿态评估模型
- 立定跳远关键帧匹配
- 姿态评估及对比
- 总结
论文信息
`题目:基于人体姿态识别的立定跳远 动作智能评估系统
发表:人工智能-产业应用
作者:李晟 1,宋可儿 2,欧阳柏强 1,张博中 1,刘宠 1,刘朋 1,刘睿
背景
传统的立定跳远比赛各个环节依赖裁判的评估,并且立定跳远教学场景中的动作不规范及成绩量化不统一等问题。 计算机视觉技术的发展为自动化的体育运动评判,打分提供了一种可能。
这篇论文就是提出了一种能够基于视频直接自动评估立定跳远的智能系统。基本思路:该系统首先对标准姿态视频进行关键点估计,并对其进行数据预处理,在此基础上将立定跳远特征与专家意见相结合,构建立定跳远标准动作数据信息库;然后采用摄像头捕获待评估人员姿态,将其与库中的立定跳远标准姿态进行关键帧匹配;最后采用皮尔逊积矩相关系数综合各关键点对立定跳远运动的影响程度,并将其与计算向量相似度及关键特征姿态角度等方法结合,定义了立定跳远动作规范性评价指标,以进行姿态的差异化比对。
方法
系统总体设计
系统有以下三个子系统构成:标准动作库子系统、动作采集子系统,以及人体姿态动作评估子系统
下图为系统的工作流程
立定跳远动作智能评估系统
标准动作库子系统
如下图所示,根据国家体育锻炼标 准和专家建议,对立定跳远整个动作进行分解,得到了 7 种动作特征,通过这 7 种动作特征进行关键点匹配,
同时作者分析了运动过程中关键点趋势变化,如下图:
动作采集子系统
人体姿态动作评估子系统
人体姿态动作评估子系统使用人体姿态评估模型进行姿态估计;其次,根据上文所定义的立定跳远标准技术动作特征,抽取标准姿态视频与待评估姿态视频中的相似帧进行人体姿态匹配;最后,根据人体姿态的特征选取合适的骨骼点组成特征向量及关键特征姿态,通过对比向量的相似度及特征姿态的角度,结合其与标准姿态的相关系数评估待评估姿态的准确率,并分析它们之间的差异。
人体姿态评估模型
由三部分组成,第一部分为人体检测,使用目标检测模型YOLOv5[12];第二部分使用骨干网络为 HRNet[13] 的 AlphaPose[14] 模型处理人体检测框,对人体检测框进行优化;第三部分使用 Dark 对解码策略进行了优化。
立定跳远关键帧匹配
中使用 10 个关键帧衡量立定跳远动作的准确性。如何进行匹配?其选取的依
据就是根据人体姿态各部位之间的角度、在连续帧中的位置,以及骨骼点相对于图片的
(,) X Y 坐标等,按照一定的比例系数计算其关键帧相似度,公式如下所示
姿态评估及对比
根据立定跳远运动的特点,四肢在整个运动中具有较大的波动,而脊柱中心(K0 与K7 分别为肩部及髋部中点)则相对稳定。因此,本文以髋部中心点 K7 作为基准点,评估分析四肢在整个运动过程中的变化。首先,按照标准动作中人员的髋部中心点坐标,将待评估人员对应部位移动到相同位置。以动作开始前人员站立姿态为标准,计算标准姿态与待评估姿态各关节点坐标 值和 值之间的比率。以左上肢为例,公式分别如下
按照一定比例系数计算其关键帧总体相关系数,公式如下
利用余弦相似度进行评估,其公式如下所示
其中特征向量的模:
分别求取标准姿态与待测姿态中关键特征姿态向量组成的角度,并进行对比分析,
发现其差异
分别计算待评估帧与标准帧中 8 组角度的具体数值,再根据下述公式进行组合,求
得最后计算角度得分部分
最终,单帧的评分公式如下:
最终的得分公式如下:
总结
在某些特殊情况下存在骨骼关键点跳动等不稳定因素,
[论文评析]基于人体姿态识别的立定跳远 动作智能评估系统相关推荐
- 【控制】《多智能体系统一致性协同演化控制理论与技术》纪良浩老师-第15章-基于竞争关系的离散异构多智能体系统分组一致性
第14章 回到目录 第16章 第15章-基于竞争关系的离散异构多智能体系统分组一致性 15.1 引言 15.2 预备知识 15.3 问题描述与分析 15.4 例子与数值仿真 15.5 本章小结 15. ...
- 基于多传感器的学生课堂掌握程度评估系统和方法
技术领域 本发明属于图像与语音处理技术领域,更进一步涉及模式识别技术,具体是一种基于多传感器的学生课堂掌握程度评估系统和方法.用于教学.心理.人机交互等领域. 背景技术 现有的教学评估系统多以人的主观 ...
- 基于三菱PLC和MCGS组态农田智能灌溉系统
No.985 基于三菱PLC和MCGS组态农田智能灌溉系统 三菱PLC程序 MCGS6.2组态画面 电气图纸 IO分配 1 诸 论 1 2 总体设计 2 3硬件设计 4 3.1 PLC选择 4 3.2 ...
- 基于人体骨架序列的单步动作时序定位策略(原创)
13个月,终于见刊,经历了大修后再大修,然后编后重投.好在重投后主编效率高,估计是看我也不容易-- 这张图是算法思路,关键在于通过SPP改造了经典的卷积神经网络,使之能够接受任意时长的动作序列.在训练 ...
- 基于树莓派+STM32+OneNET云平台打造智能家居系统(一)硬件设计篇
本次分享的是之前一个课程设计, 会分为几篇博文进行分享.智能家居是目前研究与发展的一大热点,本设计是结合STM32微处理器/树莓派(Raspberry Pi)3b+.温湿度传感器.继电器以及ESP ...
- 基于JAVA+SpringMVC+Mybatis+MYSQL的小学生智能学习系统
小学生智能学习系统主要分为用户管理系统.学生子系统.教师子系统.管理员系统.公告系统. (1)用户管理系统包括账号的注册.修改. (2)管理员系统包括对网站公告发布,上传资料,以及对学生.老师信息进行 ...
- 基于java的springboot疫情下社区健康评估系统毕业设计springboot开题报告
(1)注册登录:注册普通账号登录:登录后可以修改用户的基本信息,也可以退出. (2)浏览资讯:浏览网站管理发布的资讯,可以评论,评论后需要管理员审核和查看.也可以收藏资讯. (3)关于我们:浏览网站关 ...
- 基于Echarts实现可视化数据大屏智能看板系统模板
前言
- 基于Echarts实现可视化数据大屏智能分析系统
前言
最新文章
- java队列怎么实现线程_Java中利用线程和队列实现入库操作
- 【转载】SharpDevelop代码分析
- linux 字符串string操作(截取、提取、长度计算等)
- 前端性能优化-减少HTTP请求数
- SAP License:ERP具有的九种优势
- 花了两天时间为我的引擎实现了性能分析的界面显示
- 隐瞒英特尔重大安全漏洞惹众怒,苹果遭遇集体诉讼
- 如何使用 python glob model
- poi导出word模板项目实例(一个文件)
- python pygame 的下载方法
- 模糊综合评价法的R语言实现
- AlertManager实现webhook告警(使用Postman测试)
- 微型计算机的指令集,窥视灵魂深处 AMD新一代SIMD指令集剖析
- 科里奥利质量流量计的4个检定方法
- 【国内chatgpt使用方法合集】(5月22日已更新)
- python量化策略——大类资产配置模型(最小方差模型)
- 惊讶!我定的日志规范被CTO在全公司推广了
- 《计算机组成原理》第五章指令系统 部分课后习题答案 清华大学出版_秦磊华_谭志虎
- 小 tips:删除word表格下面多余的空白页
- SVN(Subversion)中文版安装教程