基于深度学习和优化算法的足球运动中的暴力检测
1Jilin University of Architecture and Technology, Changchun, 130000, Jilin, China. yissjxy@163.com.
Scientific reports
|November 19, 2025
概括
这项研究介绍了一种用于实时检测足球暴力的深度学习系统. 该模型使用卷积神经网络和长期短期记忆,在识别暴力事件方面提供了卓越的效率.
科学领域:
- 运动科学 运动科学 运动科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 足球是世界上最受欢迎的体育运动,超越了国界.
- 与足球有关的暴力已经成为学术研究的重要领域.
- 现有的用于检测体育暴力的方法缺乏实时效率.
研究的目的:
- 开发一个有效的实时系统来检测足球中的暴力事件.
- 为了利用深度学习来分析体育运动中的时空模式.
- 通过超参数调整优化暴力检测模型的性能.
主要方法:
- 利用深度学习,特别是卷积神经网络 (CNN) 和长短期记忆 (LSTM) 网络.
- 采用修改后的混合牧羊优化器 (MSSO) 进行网络超参数的最佳选择.
- 实施实时系统,立即检测暴力行为.
主要成果:
- 拟议的深度学习模型在检测与足球有关的暴力方面表现出卓越的效率.
- 在MSSO优化显著提高了模型的性能.
- 该系统有效地提取空间特征,并了解时间关系,以进行准确的检测.
结论:
- 开发的系统为实时足球暴力检测提供了高效的解决方案.
- 深度学习技术与优化算法相结合,对于分析复杂的体育赛事非常有效.
- 这项研究有助于改善体育环境中的安全和保障.
