基于在传感器尺度空间转换下的多目标视觉模型的体育训练信息分析系统设计

科学领域:

• 运动科学 运动科学 运动科学
• 计算机视觉 计算机视觉
• 数据分析数据分析数据分析.

背景情况:

• 在运动训练中整合技术对于提高表现至关重要.
• 多目标视觉建模和传感器技术提供丰富的体育数据.
• 有效的数据分析需要全面的理解跨尺度和角度.

研究的目的:

• 解决体育训练和比赛中的多目标跟踪挑战.
• 提出一个新的框架,整合K最短路径 (KSP) 和Alphapose.
• 提高体育训练数据分析的准确性和丰富性.

主要方法:

• 利用K最短路径 (KSP) 方法来确定运动员的最短路径.
• 雇佣Alphapose网络来提取运动员的姿势信息.
• 开发了一个框架,将KSP路径数据与Alphapose图形信息合并.

主要成果:

• 综合框架显著提高了多重对象跟踪精度 (MOTA) 和全球多重对象跟踪精度 (GMOTA).
• 结合KSP和Alphapose数据的效果优于使用单一信息流的方法.
• 开发的系统为多目标跟踪提供了功能丰富的合成.

结论:

• 拟议的框架为体育领域的多目标追踪提供了一个强大的解决方案.
• 这种数据融合方法增强了体育训练分析的技术基础.
• 这些发现支持开发先进的信息融合系统,以优化体育表现.