基于时空图卷积的乒乓球基础技术动作识别

发布时间：2021-04-02 20:49

　　乒乓球运动在中国有着特殊地位,乒乓球运动员为祖国在国际赛场上取得无数荣誉。这不仅与运动员本身的天赋和努力有关,也和背后教练团队的付出息息相关,教练团队依靠“乒乓球技战术分析”继续针对性训练。传统的方法依靠人工标记击球动作,耗时耗力。近些年,随着深度学习的火热,其被广泛应用于日常动作识别这一领域。通过深度学习的方法实现击球动作的分类可以提高训练效率,但与日常动作不同,乒乓球运动存在附加动作和遮挡问题,同时目前也缺乏针对乒乓球击球动作分类的数据集。针对上述问题,本文首先建立了基于视频的乒乓球基础技术动作数据集。该数据集涵盖乒乓球竞技中的七种基础技术动作,分别是:正手攻球、反手攻球、正手劈长、反手劈长、正手摆短、反手摆短和推挡。结合现有研究,本文首先使用人体姿态预测的相关方法对乒乓球基础技术动作的视频数据进行预处理,将视频数据转换为骨骼数据。对于这些骨骼数据,本文在第三章提出了一种时空图卷积框架下的基于局部关节点的乒乓球基础技术动作识别方法。具体来说,修改人体姿态预测的训练网络,使其输出局部9个关节点的三维坐标。将这9个关节点的三维坐标信息输入时空图卷积网络,训练网络参数以学习关节点的空间特... 

【文章来源】：安庆师范大学安徽省

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

基于局部关节点信息的乒乓球技术动作识别方法

5对于基于视频图像数据的人体动作分类数据集，本文提出端到端地将人体姿态预测和人体动作识别相结合的方法（如图1.1）。本方法主要分三个步骤：首先以视频图像数据作为输入，通过端到端的网络模型，先检测识别人体局部关节点的二维平面坐标，后由网络拟合出三维空间坐标；最后将局部关节点三维空间坐标输入到动作识别网络，识别分类到对应的动作。图1.1基于局部关节点信息的乒乓球技术动作识别方法图1.2结合视频图像数据和骨骼关节点数据的双流融合方法同时，视频图片包含丰富的轮廓信息和像素信息，而这些信息是骨骼关节点无法反映出来的。将这些信息与骨骼数据反映的空间三维信息融合，可以学习到更丰富的动作特征，从而提高最终的识别率。因此，本文提出了一种结合视频图

设计多个学科和领域，本文是对乒乓球技战术动作进行动作识别的研究，更是涉及到了一些与乒乓球相关的知识。同时，随着深度学习的发展，很多不同领域的相关知识也被引入到深度学习领域中。本章节对相关知识进行介绍，方便读者理解。第一节乒乓球基础技术动作及其研究难点虽然乒乓球的技术动作多种多样，但其基本规律一直是适应与反适应[27]。即适应对方的来球，击过去的球让对方不适应。每一次击球动作可分为三个阶段：引拍、击球和结束。在现代乒乓球竞技中最常使用的动作主要有：攻球、劈长、摆短和推挡这四大类[28]（如图2.1）。攻球具有动作孝速度快的特点。引拍时身体微转，重心在脚一边；击球时以身体带动手臂转动，前臂用力收缩的同时手腕发力；结束时迅速调整重心。劈长是一种防御性技术，具有不易失误的特点。引拍时身体重心逐渐降低，双膝委曲，球拍基本与桌面平行，手臂随重心逐渐向下、向前、向一侧挥动；击球时手腕控制好球拍，触球中下部，动作幅度大；结束时迅速恢复重心。摆短是一种对付下旋球的稳健打法。引拍时站位近台，身体前倾，手臂前伸，瞄准球的中下部；击球时手腕前臂结合用力，动作幅度很小；结束时恢复站姿。推挡是我国直拍快攻的一项重要技术，有速度快的特点。引拍时站位近台，球拍与桌面垂直；击球时微压球拍，上臂带动前臂，结合腕部力量将球推出；结束时恢复站姿[27]。图2.1乒乓球基础技术动作示意图近年来，一些研究尝试将人类动作识别扩展到体育动作领域，并建立了一些体育动作数据集，例如UCFSport[29]和Sport-1M[30]数据集。这些数据集包含不同种类的体育运动，如打网球、打篮球和踢足球等。最近，一些学者建立了基于比赛视频的职业体育数据集，例如NCAABasketballDataset[31]数据集（包括篮球运动?

【参考文献】：
期刊论文
[1]新一代人工智能发展规划发布 “三步走”计划出炉[J]. 孙永杰.  通信世界. 2017(21)

博士论文
[1]中国乒乓球队战术训练水平定量诊断方法及实践效用[D]. 张晓蓬.北京体育大学 2004

硕士论文
[1]对乒乓球技战术分析统计方法的新探讨[D]. 李强.上海体育学院 2011



本文编号：3115938