通过人类姿势估计和机器学习增强板球表现分析

科学领域:

• 运动分析 运动分析
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 板球是全球第二大最受欢迎的体育运动,拥有25亿粉丝.
• 板球中的击球要求基于动态游戏因素做出快速决策.
• 计算机视觉和机器学习正在成为体育表现分析的强大工具.

研究的目的:

• 开发和评估一种计算机视觉和机器学习方法,用于预测八个特定的板球击球.
• 确定最有效的机器学习算法来准确预测中风.

主要方法:

• 利用MediaPipe库从视频数据中提取播放器功能.
• 训练并比较多个机器学习和深度学习算法:随机森林 (RF),支持向量机,k-最近邻居,决策树,线性回归和长短期记忆.
• 使用精度和k倍交叉验证评估模型性能.

主要成果:

• 随机森林 (RF) 算法实现了99.77%的峰值预测准确度.
• 在中风预测方面,RF显著超过了所有其他测试过的算法.
• 对于射频模型的K折交叉验证,准确率为95.0%,标准偏差为0.07.

结论:

• 计算机视觉和机器学习技术在预测板球击球打击方面表现出高效.
• 随机森林算法为准确的板球中风预测提供了一个强大的解决方案.
• 这些发现为增强板球教练方法和提升球员表现提供了途径.