使用机器学习和深度学习模型的基于连续性的体育监测系统
Amal Alshardan1, Hany Mahgoub2, Saad Alahmari3
1Department of Computer Science, Princess Nourah bint Abdulrahman University, Riyadh, Saudi Arabia.
PeerJ. Computer science
|March 10, 2025
概括
这项研究引入了一种新的云对物联网连续系统,用于实时体育监控. 它通过机器学习增强了玩家跟踪和性能分析,实现了高精度和低延迟的立即洞察力.
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:
- 传统的云计算在实时体育分析方面面临局限性.
- 整合连续性范式为增强的,低延迟的数据处理提供了潜力.
- 机器学习和深度学习是提高体育监测能力的关键.
研究的目的:
- 开发一种新的基于云对物联网的连续系统,用于体育监测.
- 为了实时分析球员表现和团队动态,专注于篮球.
- 利用先进的人工智能技术,改善体育数据洞察力.
主要方法:
- 使用改良面具R-CNN进行准确的人体姿势估计.
- 实现了一种混合的元启发算法,与生成对抗网络 (GAN) 结合,用于动作分类.
- 从基于云的架构过渡到连续性范式,以实现无数据流.
主要成果:
- 实现了 5.1 ms 的系统延迟,显著减少了处理时间.
- 在体育活动分类和绩效评估中达到94.25%的准确性.
- 与文献中现有的方法相比,表现出更高的性能.
结论:
- 云到物联网连续系统提供精确,实时和可扩展的体育监控.
- 为时间敏感的应用程序提供即时反,改善玩家性能和团队策略.
- 推进实时体育赛事分析,提供明智的战术调整.
