计算机工程与科学

作者：周升儒, 陈志刚, 邓伊琴

单位：中南大学计算机学院,湖南 长沙 410083

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,

基金：长沙市科技计划重大专项基金(kh2103016);科技计划2030(2020AAA0109605)

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。

来源：2023年第1期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第1期