基于深度学习算法的实时运动伤害监测系统
Luyao Ren1, Yanyan Wang2, Kaiyong Li3
1Department of Physical Education, Nanjing Forestry University, Nanjing, Jiangsu, 210037, China.
BMC medical imaging
|May 24, 2024
概括
本研究引入了使用支持矢量机 (SVM) 分类的实时体育伤害监测系统. SVM模型在从视频数据中检测体育伤害方面实现了高准确度,灵敏度和特异性.
科学领域:
- 运动科学 运动科学 运动科学
- 生物机械工程 生物机械工程
- 医疗保健中的机器学习
背景情况:
- 传统的体育伤害监测系统缺乏实时性能和准确性.
- 需要先进的系统来准确地检测和及时监测体育伤害.
研究的目的:
- 开发和评估一个实时运动伤害监测系统.
- 为了证明支持矢量机 (SVM) 模型在体育伤害检测中的有效性.
主要方法:
- 视频检测和人类关节检测以捕捉运动模式.
- 多项式拟合,数据规范化和单项值分解 (SVD) 用于数据处理.
- 支持矢量机器 (SVM) 分类用于损伤识别.
主要成果:
- SVM模型实现了高性能指标:94.2%的准确性,92.5%的灵敏性和96.0%的特异性.
- 与随机森林和天真贝叶斯模型相比,该系统表现出卓越的性能.
- 提出的方法提高了处理效率和模型训练速度.
结论:
- 使用SVM开发的实时监控系统对于运动伤害检测是有效的.
- SVM为体育伤害监测提供了强大而准确的解决方案,其性能优于其他机器学习模型.
- 这个系统有可能改善运动员的安全和训练协议.
