發(fā)布時(shí)間：2021-04-14 07:41

　　到目前為止,在體育運(yùn)動(dòng)領(lǐng)域中主要依賴(lài)于教練員在現(xiàn)場(chǎng)觀察運(yùn)動(dòng)員的表現(xiàn)來(lái)為運(yùn)動(dòng)員制定合適的訓(xùn)練計(jì)劃,這對(duì)教練員的專(zhuān)業(yè)素養(yǎng)有著極高的要求。隨著近年來(lái)人們對(duì)體育運(yùn)動(dòng)熱情的持續(xù)攀升,專(zhuān)業(yè)教練員的數(shù)量變得難以滿(mǎn)足廣大體育運(yùn)動(dòng)愛(ài)好者的需求量,而這一現(xiàn)象在我國(guó)的中小城市中表現(xiàn)得更為明顯�；谏鲜鲂枨�,本文基于智能鞋墊設(shè)計(jì)了一個(gè)針對(duì)體育運(yùn)動(dòng)愛(ài)好者的運(yùn)動(dòng)動(dòng)作識(shí)別系統(tǒng),并且出于驗(yàn)證該系統(tǒng)對(duì)于不同體育運(yùn)動(dòng)領(lǐng)域的適用性的目的,針對(duì)籃球動(dòng)作和競(jìng)走動(dòng)作進(jìn)行了實(shí)驗(yàn)。本文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)包括:（1）提出了基于卷積神經(jīng)網(wǎng)絡(luò)的籃球動(dòng)作識(shí)別方案。首先采用一維中值濾波、一維數(shù)字濾波和Z-score標(biāo)準(zhǔn)化對(duì)傳感器數(shù)據(jù)進(jìn)行預(yù)處理,之后通過(guò)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)以及卷積層和池化層中的卷積核大小和卷積步長(zhǎng)等超參數(shù)來(lái)使得神經(jīng)網(wǎng)絡(luò)的性能表現(xiàn)達(dá)到最優(yōu)值。實(shí)驗(yàn)結(jié)果顯示,卷積神經(jīng)網(wǎng)絡(luò)可以在籃球動(dòng)作識(shí)別中獲得99.3%的總體識(shí)別準(zhǔn)確率。（2）由于一個(gè)籃球動(dòng)作在一整段實(shí)戰(zhàn)籃球動(dòng)作數(shù)據(jù)中隨機(jī)地出現(xiàn)并且持續(xù)隨機(jī)長(zhǎng)度的時(shí)間,提出了一個(gè)基于滑動(dòng)窗口切分和相鄰多窗口聯(lián)合判定的方法來(lái)識(shí)別實(shí)戰(zhàn)籃球動(dòng)作。實(shí)驗(yàn)表明,利用該方法來(lái)識(shí)別實(shí)戰(zhàn)籃球動(dòng)作可以獲得92.2%的總體識(shí)別準(zhǔn)... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于視頻錄像的動(dòng)作識(shí)別系統(tǒng)

第一章緒論3運(yùn)動(dòng)動(dòng)作的識(shí)別。智能可穿戴設(shè)備可以被方便地穿戴于運(yùn)動(dòng)者的身上，其動(dòng)作識(shí)別效果也不會(huì)受到周遭環(huán)境的影響。此外，使用智能可穿戴設(shè)備采集到的慣性傳感器數(shù)據(jù)也只來(lái)自目標(biāo)運(yùn)動(dòng)者，從而避免了其他物體或運(yùn)動(dòng)者的存在對(duì)動(dòng)作識(shí)別的效果產(chǎn)生影響。因此，與基于計(jì)算機(jī)視覺(jué)的動(dòng)作識(shí)別系統(tǒng)相比，基于可穿戴設(shè)備的動(dòng)作識(shí)別系統(tǒng)更適用于體育運(yùn)動(dòng)動(dòng)作的識(shí)別。早期的部分基于可穿戴設(shè)備的動(dòng)作識(shí)別系統(tǒng)研究利用閾值實(shí)現(xiàn)動(dòng)作的識(shí)別。每個(gè)運(yùn)動(dòng)者做同一動(dòng)作時(shí)的運(yùn)動(dòng)風(fēng)格不盡相同，導(dǎo)致不同運(yùn)動(dòng)者做同一動(dòng)作產(chǎn)生的傳感器數(shù)據(jù)差別較大，所以這種解決方案產(chǎn)生的系統(tǒng)模型僅適用于來(lái)自特定運(yùn)動(dòng)者的數(shù)據(jù)，而且即使是同一名運(yùn)動(dòng)者每次做同一動(dòng)作產(chǎn)生的傳感器數(shù)據(jù)也會(huì)有所差別。圖1.2是以類(lèi)正弦波的形式簡(jiǎn)化表達(dá)的兩個(gè)運(yùn)動(dòng)者分別做某一動(dòng)作時(shí)產(chǎn)生的傳感器信號(hào)的波形，其中藍(lán)色線條為運(yùn)動(dòng)者A產(chǎn)生的數(shù)據(jù)，紅色線條為運(yùn)動(dòng)者B產(chǎn)生的數(shù)據(jù)�，F(xiàn)在制定圖中以綠色線條表示的閾值，并規(guī)定若波形在上升時(shí)越過(guò)閾值線條并在下降時(shí)再次越過(guò)閾值線條則預(yù)測(cè)運(yùn)動(dòng)者做了一次該動(dòng)作。這一閾值對(duì)于運(yùn)動(dòng)者A前兩次做該動(dòng)作產(chǎn)生的數(shù)據(jù)是有效的，對(duì)于第三次動(dòng)作則發(fā)生了漏檢。而該閾值對(duì)于運(yùn)動(dòng)者B產(chǎn)生的數(shù)據(jù)則完全無(wú)效。人工智能算法可以依據(jù)數(shù)據(jù)的特征來(lái)識(shí)別動(dòng)作，并且不會(huì)拘泥于某一特定的數(shù)據(jù)，其引進(jìn)使得基于可穿戴設(shè)備的動(dòng)作識(shí)別系統(tǒng)可以自適應(yīng)地識(shí)別體育運(yùn)動(dòng)動(dòng)作。圖1.2基于閾值的動(dòng)作識(shí)別系統(tǒng)Fig1.2Threshold-basedmotionrecognitionsystem1.2國(guó)內(nèi)外研究現(xiàn)狀1.2.1基于視頻錄像的動(dòng)作識(shí)別近年來(lái)，存在大量的研究者利用視頻錄像進(jìn)行體育動(dòng)作的識(shí)別[18-19]，其中部分研究者利用圖像識(shí)別技術(shù)來(lái)識(shí)別籃球運(yùn)動(dòng)者投籃后的進(jìn)球結(jié)果，其研究對(duì)象為籃

合肥工業(yè)大學(xué)碩士學(xué)位論文4球本身，其攝像機(jī)的監(jiān)控視角通常如圖1.3所示。劉舟檻使用區(qū)域分割方法將圖像中的籃筐區(qū)域和籃筐之外的區(qū)域分割開(kāi)來(lái)，之后利用背景差分法在籃筐區(qū)域內(nèi)識(shí)別籃球是否進(jìn)入籃筐[20]。張明月利用Hough圓變換算法從圖像中識(shí)別出籃筐區(qū)域，然后將背景差分法和三幀差分法相結(jié)合來(lái)識(shí)別籃球是否進(jìn)球，該方法與背景差分法相比對(duì)于光線發(fā)生突變等場(chǎng)景更具適用性[21]。圖1.3籃球進(jìn)球識(shí)別系統(tǒng)中攝像機(jī)的監(jiān)控視角Fig1.3Cameramonitoringperspectiveinbasketballgoalrecognitionsystem另一部分研究者則將人體本身的動(dòng)作作為研究對(duì)象，這也正是本文的識(shí)別目標(biāo)。JungsooLee等人提出了一種使用確定有窮自動(dòng)機(jī)來(lái)識(shí)別體育運(yùn)動(dòng)動(dòng)作的動(dòng)作識(shí)別系統(tǒng)，該系統(tǒng)可以被用于識(shí)別視頻中運(yùn)動(dòng)員和裁判的動(dòng)作。作者分別針對(duì)籃球動(dòng)作和足球動(dòng)作組織實(shí)驗(yàn)來(lái)驗(yàn)證該系統(tǒng)的性能表現(xiàn)。對(duì)于籃球動(dòng)作，該系統(tǒng)的識(shí)別準(zhǔn)確率在40%左右，在一定程度上并不高，而當(dāng)利用該系統(tǒng)識(shí)別足球動(dòng)作時(shí)，其識(shí)別準(zhǔn)確率約為85%，這說(shuō)明該算法更適合于足球動(dòng)作的識(shí)別[22-23]。此外，JungsooLee等人先后嘗試了利用二維卷積神經(jīng)網(wǎng)絡(luò)（Two-dimensionalconvolutionalneuralnetwork，2DCNN）以及三維卷積神經(jīng)網(wǎng)絡(luò)（Three-dimensionalconvolutionalneuralnetwork，3DCNN）來(lái)識(shí)別足球比賽錄像中的動(dòng)作。實(shí)驗(yàn)結(jié)果為使用3DCNN時(shí)的識(shí)別準(zhǔn)確率高于使用2DCNN時(shí)的識(shí)別準(zhǔn)確率，這表明借助3DCNN提取得到的特征比使用2DCNN提取得到的特征更能反映原始數(shù)據(jù)的真實(shí)情況[24-25]。YuxiHong等人開(kāi)發(fā)了一種利用深度遷移學(xué)習(xí)方法進(jìn)行場(chǎng)景識(shí)別和動(dòng)作檢測(cè)的分類(lèi)器[26]。而在WeiDu等人的研究中，作者使用多個(gè)攝像機(jī)協(xié)同跟蹤運(yùn)動(dòng)員，這種解決方案可以解決部分視圖中運(yùn)動(dòng)員受到遮擋從而影響識(shí)別效果的問(wèn)題，但是?


本文編號(hào)：3136943