研究如何构建啦啦队技巧评估和教学系统,整合深度视觉识别和认知反机制
Yao Lu1, Ziyu Wang1, Meijia Chen2
1College of Sports, Sejong University, Gwangjin-gu, Seoul, 05006, South Korea.
Scientific reports
|September 26, 2025
概括
这项研究介绍了一个人工智能驱动的啦啦队系统,增强了技术评估和学习. 与传统方法相比,它使用深度视觉和认知反来显著改善技能获取和保留.
科学领域:
- 运动科学 运动科学 运动科学
- 人工智能的人工智能
- 运动学习是指运动学习.
背景情况:
- 传统的啦啦队教练依赖主观评估,可能限制技能发展和客观绩效分析.
- 需要先进的,数据驱动的方法来提高啦啦队员培训的效率和有效性.
研究的目的:
- 开发和评估一个先进的系统来评估和指导啦啦队技巧.
- 整合深度视觉感知和认知反,以实现个性化的运动学习.
主要方法:
- 利用卷积神经网络 (CNN) 进行空间特征提取和循环神经网络 (RNN) 进行时间运动分析.
- 集成的3D姿势估计用于自动化技术评估.
- 实施了基于运动学习原则的多模式认知反系统 (视觉,听觉,触觉).
主要成果:
- 通过实时处理 (35.4 fps) 在啦啦队技术分类中获得了92.4%的准确性.
- 培训时间缩短了35%,在培训后4周后,提高了技能保留率至89.3%.
- 与传统的辅导方法相比,证明了更好的结果.
结论:
- 开发的AI系统提供了一个客观的方法来分析啦啦队的表现.
- 认知反机制增强了运动员的学习适应性和技能保留能力.
- 这项研究推动了人工智能在体育教育中的应用,特别是在像啦啦队队员这样的基于技能的学科中.
