使用热面部生物标志物和优化的机器学习算法,在赛道上预测运动员的疲劳和耐力
1Department of Biomedical Engineering, Jaya Sakthi Engineering College, Chennai, Tamilnadu, India. santhoshpkphd24@gmail.com.
Scientific reports
|July 17, 2025
概括
这项研究引入了一种新的方法,使用热成像和先进的机器学习来预测运动员的疲劳,疼痛和耐力. 该系统即使在具有挑战性的低光条件下也能准确识别这些状态,从而增强了体育表现分析.
科学领域:
- 运动科学 运动科学 运动科学
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 预测运动疲劳和耐力对于提高体育表现至关重要.
- 在运动期间识别运动员的面部表情是有挑战的,因为复杂的背景和光线不好.
- 使用RGB和传统夜视摄像头的现有方法在低光或黑暗环境中失败,无法预测疲劳,疼痛或耐力.
研究的目的:
- 开发一种系统,使用面部热成像来预测运动员的疲劳,疼痛和耐力.
- 解决现有方法在低光和黑暗条件下的局限性.
- 识别和利用特定的面部生物标志物进行准确的预测.
主要方法:
- 使用提出的HEOP预处理方法获取和增强面部热图像.
- 使用基于面部生物标志物 (脸抬起,唇张开,舌头位置,下巴掉落,鼻子纹) 的拟议ECOC-MCSVM方法对疲劳,疼痛和耐力进行分类.
- 使用贝叶斯优化多重多项式回归分析 (BO-MPR) 优化预测水平.
主要成果:
- 拟议的ECOC-MCSVM方法在预测疲劳,疼痛和耐力方面取得了97.69%的准确性.
- 该系统有效地利用面部热图像和生物标志物进行预测.
- 根据现有方法验证了性能.
结论:
- 开发的系统在预测运动员疲劳,疼痛和耐力方面表现出很高的准确性.
- 面部热成像与ECOC-MCSVM相结合,为性能监测提供了强大的解决方案,特别是在不利的照明条件下.
- 这种方法在改善运动员训练和预防伤害方面具有重大潜力.
