通过基于MediaPipe的深度学习进行皮克球运动员运动分析的姿势估计:试点研究

科学领域:

• 运动科学 运动科学 运动科学
• 生物力学 生物力学
• 运动学 运动学

背景情况:

• 皮克尔球日益受欢迎,涵盖所有年龄组.
• 这项运动需要特定的技巧,比如Dink Shot.
• 客观的动力学分析可以提高玩家的表现.

研究的目的:

• 引入基于MediaPipe的深度学习工具,用于球运动分析.
• 为了分析股骨角,膝盖角和手腕运动在dink镜头.
• 为了比较高级和初学者球运动员之间的动力学差异.

主要方法:

• 使用基于MediaPipe的深度学习工具进行动力学分析.
• 录制了14名男性球运动员使用GoPro摄像头进行球拍摄.
• 使用T测试和单向ANOVA进行关节角度和运动的统计分析.

主要成果:

• 股骨角的显著差异 (p < 0.001),高级玩家表现出更多的曲.
• 玩家级别之间膝盖角度没有显著差异.
• 高级玩家在撞击后表现出连续的手腕运动 (p < 0.001).

结论:

• 深度学习工具为教练提供了有效的,近似的替代手动视觉分析.
• 这项技术可以快速监测动力学参数,以实现有针对性的改进.
• 未来的研究应该探索干旋转和脚的位置在各种球拍摄.