基于机器视觉的运动姿态分析系统研究

发布时间：2023-04-22 23:00

　　近十年来,人们的生活越来好,对体育竞赛的关注度也是与日俱增。在当前信息时代中,体育竞赛和运动员的数据十分重要,尤其是篮球,足球,排球等的团队型的大球类运动。教练可以透过这些数据,很好地分析自己队员和对方队员的情况,从而更好地指定相应的战术来获取胜利。然而,目前大部分数据结果都是需要通过人工的方式,进行现场或者赛后看回播进行数据记录和统计。各种体育运动都是由各种动作组成的,而动作则是由连续的人体姿态序列所构成的。据此,本文结合基于机器视觉中的姿态估计和动作识别方法,针对篮球运动,尝试构建一个系统,替代人去记录和统计上述繁琐的却十分重要的数据。本系统将视频序列中每个篮球运动员的关节点,使用姿态估计方法将其提取并构成定长的姿态序列。得到定长后的姿态序列信息后,将其送入基于图卷积的动作识别方法中,获得动作分类。最后使用系统对每个球员每一帧的动作进行记录,并按照篮球中的意义进行统计。本文主要工作如下:1.本论文针对篮球运动动作提出了的篮球姿态动作识别分析系统,分别由两部分串行组成,其中第一部分是基于自底向上的姿态估计方法进行关节点定位,用于提取视频种的目标的姿态序列;而第二部分是基于时空图卷积的...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究状况
        1.3.1 基于机器视觉的篮球研究现状
        1.3.2 姿态估计国内外研究现状
        1.3.3 动作识别国内外研究现状
    1.4 论文主要工作
    1.5 论文组织结构
第二章 系统概况及相关基础知识
    2.1 卷积神经网络
        2.1.1 卷积层
        2.1.2 池化层
        2.1.3 激活函数
        2.1.4 全连接层
    2.2 常用框架介绍
        2.2.1 AlexNet
        2.2.2 VGG
        2.2.3 ResNet
    2.3 迁移学习
    2.4 本章小结
第三章 基于自底向上的姿态估计算法分析与研究
    3.1 姿态估计推理流程及关节标记说明
    3.2 基于进行热图和部位密切度域的推理
    3.3 基于热图的部位关节检测
    3.4 基于部位密切度域的关节部位连接
    3.5 基于部位密切度域的多人分析
    3.6 实验
        3.6.1 数据集及评估方法
        3.6.2 实验分析及改进
    3.7 本章小结
第四章 基于时空图卷积的动作识别算法分析与研究
    4.1 动作识别流程介绍
    4.2 构建人体关节点序列图结构输入
    4.3 时空图卷积神经网络
    4.4 标签子集划分策略
    4.5 结合标签子集的ST-GCN实现
    4.6 实验
        4.6.1 网络结构
        4.6.2 数据集与分类动作设置
        4.6.3 数据采集
        4.6.4 实验及结果
    4.7 本章小结
第五章 系统整合与测试
    5.1 系统整体框架
    5.2 动作数据转换
    5.3 系统软件
    5.4 实测与统计
    5.5 本章小结
总结与展望
参考文献
攻读学位期间发表的论文
致谢



本文编号：3798571