基于PoseC3D的网球动作识别及评价方法

摘要：

为了准确地识别及评价网球动作,将计算机视觉与网球运动相关知识相结合,提出了一种基于PoseC3D的网球动作识别及评价方法.首先,使用基于ResNet-50姿态估计模型对网球运动视频进行人体目标检测并提取骨骼关键点;然后,使用在专业网球场采集的视频数据集进行PoseC3D模型训练,使模型能够对网球的子动作进行分类;之后,使用动态时间规整算法对分类的动作进行评价;最后,基于采集的视频数据集进行了大量实验.结果表明,提出的基于PoseC3D的网球动作识别方法对6类网球子动作的分类Top1准确率可以达到90.8％.相较于基于图卷积网络的方法,比如AGCN和ST-GCN,具有更强的泛化能力;提出的基于动态时间规整的评分算法能够在动作分类后实时、准确地给出相应动作的评价分数,从而减少了网球教师的工作强度,有效地提升了网球教学质量.

关键词：模式识别、姿态估计、动作识别、卷积神经网络、动态时间规整

所属期刊栏目：45

分类号：TP301(计算技术、计算机技术)

资助基金：长沙市科技计划;科技计划

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：95-103