行动质量评估模型使用专家的视线位置和动力学数据-专注于评估花样滑冰跳跃
Seiji Hirosawa1,2, Takaaki Kato3, Takayoshi Yamashita4
1Graduate School of Science and Technology, Keio University, Yokohama 223-8522, Japan.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
这项研究通过分析法官和滑冰运动员的目光来预测艺术滑冰跳跃得分. 将人类专业知识与人工智能模型相结合,显著提高了跳跃性能预测的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 运动科学 运动科学 运动科学
- 人与计算机的交互
背景情况:
- 计算机视觉中的动作质量评估 (AQA) 评估了视频中的动作,在体育表现分析中有应用.
- 之前的AQA研究并没有专注于预测个人花样滑冰跳跃得分,这是竞争对手的关键方面.
- 艺术滑冰视频包含无关紧要的信息,但人类专家有效地过相关细节.
研究的目的:
- 为了研究艺术滑冰法官和滑冰运动员在跳跃评估期间的眼睛运动.
- 开发一个跳跃性能预测模型,该模型包含专业的目光数据,以减少信息.
- 通过将动态特征与视觉注意力数据集成来提高预测准确度.
主要方法:
- 在跳跃评估期间记录和分析了花样滑冰法官和滑冰运动员的眼睛运动.
- 使用视频数据,动态特征和专业的凝视位置开发了一个预测模型.
- 将模型的性能与人类预测和基线模型进行了比较.
主要成果:
- 鉴定了凝视模式的差异:滑冰运动员专注于脸部,而法官专注于下肢.
- 预测模型在结合法官和滑冰运动员的目光数据时获得了最高的准确性.
- 拟议的模型显著超过了人类预测和基线模型 (RMSE:0.775).
结论:
- 专家的凝视位置是改善花样滑冰中行动质量评估的有价值特征.
- 将人类专家知识 (目光数据) 与机器学习模型相结合,可以提高预测的准确性.
- 这种方法为客观和准确的体育表现评估提供了一个有希望的方向.
