-
题名基于深度学习的跳绳姿态评估系统研究
- 1
-
-
作者
丁瀚
孙少明
孙怡宁
张子康
彭伟
-
机构
中国科学技术大学
中国科学院合肥物质科学研究院
中科合肥技术创新工程院
-
出处
《电子设计工程》
2025年第5期1-7,共7页
-
基金
国家重点研发计划(2018YFC2001304)
安徽省重点研究与开发计划项目(202304a05020078)
安徽省科技重大专项项目资助(202103a05020024)。
-
文摘
为解决青少年日常跳绳中可能存在的问题,规范其训练动作以降低受伤风险,提出了一种跳绳姿态检测与评估系统。该系统包含两个检测评估机制:机制1基于Attention-MLP神经网络模型进行标准化检测评估;机制2则对监测时段内高维跳绳特征数据进行提取与分析。系统包括数据获取、数据预处理以及跳绳姿态检测与评估。在数据预处理部分,文中进行了3种滤波算法的比较实验,结果表明,卡尔曼滤波对于跳绳的二维骨骼点数据平滑效果更佳。在标准化评估模块中,基于跳绳特征的数据集,搭建了Attention-MLP模型,并将其与常用的识别算法MLP、LSTM、CNN进行了实验对比。实验结果表明,Attention-MLP模型表现更为出色,准确率可达99.38%。
-
关键词
跳绳动作检测评估
骨骼点识别
数据滤波
深度学习
-
Keywords
jump rope action detection and assessment
skeleton point recognition
data filtering
deep learning
-
分类号
TN-9
[电子电信]
-
