关键词:
人体姿态估计
羽毛球训练
人体姿态描述
姿态相似度计算
摘要:
当今中国正处于从体育大国迈向体育强国的重要阶段。体育强国战略提出,2035年我国参加体育锻炼的人数将达到45%以上。羽毛球运动对运动场地和运动器材的要求不高,且在运动过程中无身体对抗,已然成为我国国民普及的运动项目。羽毛球亦属竞技性的运动项目,运动者掌握羽毛球运动的基础动作至关重要。初学者没有专业的教学指导不仅难以提高自身的竞技水平,也可能导致身体出现不同程度的损伤。据相关统计显示,羽毛球专业学生的损伤率达到94.12%,并且对技术动作掌握不好是造成损伤的主要原因。在运动过程中运动员由于缺乏科学指导而导致的运动水平提升慢以及身体伤病问题亟待解决,这引起了学界的广泛研究。但是现有的羽毛球训练系统存在各种弊端,例如实时性不足、动作评估准确度低等,导致系统难以普及应用。近年来计算机视觉技术被广泛应用于各种人体姿态估计与行为识别任务中,本文将计算机视觉技术应用于羽毛球运动教学中,对羽毛球挥拍动作的识别与标准程度评估进行研究,主要研究内容如下:(1)提出一种基于改进OpenPose的轻量级人体姿态估计模型。首先,将VGG19特征提取网络替换为轻量型的MobileNet网络,并将模型内部的7×7的卷积核结构改造为由一个1×1的卷积、一个3×3的深度可分离卷积与一个膨胀系数为2的空洞卷积组成的串联结构,实现了模型的轻量化,将模型的性能提升3倍;然后,通过自制羽毛球挥拍动作数据集对改进后的模型进行训练;最后,在公共数据集上与其他优秀模型以及原模型进行对比实验,结果表明,本文模型对人体手臂的骨骼点识别准确率相较于原模型提升3.57%。(2)提出一种羽毛球挥拍动作的标准程度评估方法。首先,对视频中人体进行跟踪识别,本文使用了粒子滤波算法获取预测过程中非平稳模型参数,摆脱了非线性模型的高斯限制,实现了准确的人体跟踪;然后,定义了八种挥拍动作的标准评价指标,考虑到羽毛球挥拍动作的特殊性,提出了人体姿态的稀疏表示模型,使用三种姿态间距离度量方式进行姿态间的相似度计算,通过对结果的分析,选择了马氏距离算法作为本文姿态相似度计算方法;最后,设计了羽毛球动作的评分公式,并对动作评估系统的精确度与时效性进行实验验证,实验证明本文所提出的动作评估系统在保证精度的前提下,时效性提升了2.98倍。(3)依托于上述研究内容,开发了基于人体姿态估计的羽毛球训练系统,实现了对羽毛球挥拍动作的实时分析结果展示的功能。通过对系统的功能、性能以及稳定性进行测试,结果表明本系统可以达到预期的效果。本文包括图46幅,表24个,参考文献74篇。