游泳运动视频中的人类运动检测基于多尺度分离的时空注意力机制

科学领域:

• 计算机视觉 计算机视觉
• 运动科学 运动科学 运动科学
• 生物机械分析 生物机械分析

背景情况:

• 在游泳中检测人类运动对于体育训练和分析至关重要.
• 目前的方法与水下复杂性和快速运动变化作斗争,导致精度低和实时性能低.
• 需要强大而精确的游泳运动检测系统.

研究的目的:

• 为游泳视频提出一种新的人类运动检测方法.
• 为了提高准确性,精度和弹性检测游泳行为,特别是在具有挑战性的环境.
• 为智能体育分析系统提供基础.

主要方法:

• 开发了一种使用多尺度 (MS) 分离时空注意力机制 (STAM) 的人类运动检测方法.
• 采用编码器-解码器架构用于跨空间和时间维度的特征提取和融合.
• 专注于自动检测和精确定位游泳运动.

主要成果:

• 实现了高特征提取精度 (97.34%) 和特征重要性 (0.982).
• 表现出强大的识别性能,平均准确率为94.02%,回忆率为93.09%,F1得分为93.56%.
• 即使在运动变化的自适应测试中,检测准确度也保持在89%以上,对于缓慢的大运动,超过95%.

结论:

• 拟议的MS-STAM方法显著提高了游泳行动检测的精度和弹性.
• 该系统为开发智能体育分析系统提供技术和理论支持.
• 该方法对体育训练和事件分析中的实时应用具有前景.