深度时空图卷积网络用于警察战斗行动的识别和培训评估
1Police Physical Training Department, Shaanxi Police College, Xi'an, 710000, Shaanxi, China. wangyan19578317@163.com.
Scientific reports
|November 27, 2025
概括
这项研究介绍了一种先进的深度学习模型,用于自动化警察作战训练. 该系统准确地识别行动并评估技术质量,提高培训效率和标准化.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 生物机械分析 生物机械分析
背景情况:
- 传统的警察作战训练依赖于主观的人类评估,导致不一致的反和不完整的分析复杂的运动.
- 现有的自动化系统缺乏强度,无法处理各种环境条件并提供全面的质量评估.
研究的目的:
- 开发一个增强的深度时空图卷积网络 (ST-GCN) 以实现警察自动战斗行动识别和质量评估.
- 提高警察作战训练评估的客观性,一致性和全面性.
主要方法:
- 实施了增强的ST-GCN框架,包括自适应图形拓学习和多模融合 (骨架和RGB数据).
- 集成的注意力引导功能提取,课程学习和实时处理能力.
- 为技术执行评估开发了全面的质量评估算法.
主要成果:
- 在12个警察作战行动类别中实现了96.7%的识别准确度.
- 实时处理速度为每秒42.8.
- 成功评估了行动完成,标准化合规性和运动流性.
结论:
- 拟议的ST-GCN框架通过自动化,客观和详细的绩效评估,显著提高了警察作战训练.
- 允许数据驱动的课程开发,并提高执法培训的有效性.
- 提供了一个标准化的技能评估方法,克服了传统方法的局限性.
