基于图像处理的足迹识别和轨迹跟踪在田径运动中
Jiaju Zhu1, Zhong Zhang2, Runnan Liu3
1School of Physical Education, Northeast Normal University, Changchun, 130024, China.
Scientific reports
|March 29, 2025
概括
本研究介绍了一种使用支持矢量机 (SVM) 的图像处理技术,以准确地跟踪和分析运动员的脚动作. 该方法提高了运动员的表现,并降低了田径运动员受伤的风险.
科学领域:
- 运动科学 运动科学 运动科学
- 生物力学 生物力学
- 计算机视觉 计算机视觉
背景情况:
- 足球运动的精确度对于田径运动的表现和伤害预防至关重要.
- 传统的足迹分析方法缺乏精度和用户接受度.
- 开发客观和准确的脚动作分析工具对于运动员训练至关重要.
研究的目的:
- 开发和验证一种图像处理方法,用于准确识别和跟踪运动员的脚动作.
- 通过精确的脚动作分析,提高田径运动员的表现并降低受伤风险.
- 评估支持矢量机 (SVM) 算法的在运动运动的分类和标准化中的有效性.
主要方法:
- 从奥运会田径比赛中提取了13秒的视频.
- 使用基于支持矢量机 (SVM) 算法的图像处理技术.
- 追踪运动员的足迹轨迹,提取特征点,并对运动进行分类.
- 基于提取的特征标准化运动员行为,并比较标准化前后的表现.
主要成果:
- 与其他算法相比,SVM算法展示了优越的分类准确性和识别性能.
- 标准化田径运动的图像处理导致所有测试运动员 (0.4-0.6) 的表现改善.
- 基于SVM的图像处理方法被证明是有效和可接受的体育训练应用程序.
结论:
- 基于SVM算法的图像处理方法提供了一种可靠和有效的方法来分析和改进运动员的脚动作.
- 这种技术可以显著提高田径运动员的表现,并可能减少与训练相关的伤害.
- 开发的方法有望在体育科学和生物力学分析中得到更广泛的应用和扩展.
更多相关视频
08:04Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking (FLLIT)
Published on: April 23, 2020
06:52Deep-Learning Based Multi-Joint Synchronous Tracking for Objective Quantification of Hindlimb Locomotor Kinematics in Rats
Published on: April 3, 2026
