一个基于混合神经网络的智能体位估计系统,用于体育场景

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 身体姿势的估计对于体育分析至关重要.
• 使用卷积神经网络 (CNN) 的现有方法与动态的体育场景作斗争.
• 动态体育场景包含有价值的上下文特征在序列.

研究的目的:

• 为体育场景开发智能体位估计系统.
• 在动态环境中解决现有方法的局限性.
• 为了提高准确性,利用空间和时间信息.

主要方法:

• 一个混合的神经网络,结合了卷积神经网络 (CNN) 和长短期记忆 (LSTM) 单元.
• 美国有线电视新闻网从视频中提取关键点信息的单元.
• 从视频序列中提取时间信息的LSTM单元.
• 一个半监督的学习框架,以有限的标记数据提供高效的培训.

主要成果:

• 拟议的系统有效地提取关键点和时间信息.
• 半监督学习使训练能够使用更少的标记样本.
• 广泛的实验在现实体育场景中证明了适当的估计效应.

结论:

• 混合CNN-LSTM模型为动态体育环境中的身体姿势估计提供了强大的解决方案.
• 半监督学习通过减少数据要求来提高系统的实用性.
• 开发的系统在体育视频分析中实现了准确的身体姿势识别.