篮球技巧使用3D卷积神经网络进行动作识别
Jingfei Wang1,2, Liang Zuo3, Carlos Cordente Martínez4
1Physical Education Department, Northwestern Polytechnical University, Xi'an, 710129, Shaanxi, People's Republic of China. jingfei.wang@alumnos.upm.es.
Scientific reports
|June 7, 2024
概括
本研究介绍了一种使用3D卷积神经网络 (CNN) 和长短期记忆 (LSTM) 网络进行准确的篮球动作识别的新方法. 该模型显著改善了教练和球员的技术识别.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 运动分析 运动分析
背景情况:
- 对体育活动的自动识别对于绩效分析至关重要.
- 篮球技巧分析传统上依赖于手动观察,这是耗时和主观的.
研究的目的:
- 通过深度学习开发一个准确和自动化的系统来识别篮球技巧动作.
- 为了提高篮球比赛中的各种行动的识别.
主要方法:
- 实现三维 (3D) 卷积神经网络 (CNN) 与长短期记忆 (LSTM) 网络相结合.
- 使用公开可用的篮球行动数据集 (NTURGB+D,篮球行动数据集,B3D数据集) 采用预处理技术.
- 采用了优化算法,如自适应学习速度调整和规范化,以提高模型性能.
主要成果:
- 拟议的3D CNN-LSTM模型在篮球技巧动作识别方面取得了出色的表现.
- 证明了显著的精度改进:15.1%比差方法和12.4%比光流方法.
- 显示出强大的稳定性,在各种条件下达到93.1%的平均准确性.
结论:
- 开发的方法有效地捕捉了篮球行动的时空关系.
- 为篮球教练和球员提供可靠的技术评估工具.
- 突出了深度学习对先进体育分析的潜力.
