深度学习人类姿势估计在体育中的应用:系统性审查
Cavan Aulton1, Lois Wakili2, Ben William Strafford2
1School of Sport and Physical Activity, College of Health, Wellbeing and Life Sciences, Sheffield Hallam University, Collegiate Hall, Collegiate Crescent, Sheffield, S10 2BP, UK. cavan_aulton@yahoo.co.uk.
Sports medicine - open
|December 10, 2025
概括
基于深度学习的人体姿势估计 (HPE) 提供了体育运动运动分析的见解. 然而,有限的开放数据集和可重复性阻碍了广泛采用,需要标准化的实践,以实现体育科学未来的进步.
科学领域:
- 运动科学 运动科学 运动科学
- 计算机视觉 计算机视觉
- 生物力学 生物力学
背景情况:
- 基于深度学习 (DL) 的人类姿势估计 (HPE) 在体育研究中越来越重要,以在视觉数据中精确地定位关节.
- 基于DL的HPE能够进行运动的非侵入性分析,用于训练,性能优化和伤害预防.
研究的目的:
- 系统地审查基于DL的HPE在体育中的应用.
- 评估培训数据集的可用性和可访问性,可复制性和人为因素.
- 为未来的体育科学研究和应用提供建议.
主要方法:
- 在四个主要数据库中,按照PRISMA指南进行了系统的文献搜索.
- 选了371篇文章,两位独立审查员应用了包含/排除标准.
- 数据被描述性地合成,重点是基于DL的HPE应用程序,数据集特征和算法.
主要成果:
- 基于DL的HPE在体育中的应用包括运动技能分析,动作识别,教练工具和裁判支持.
- 大多数研究都使用私人数据集,限制了可复制性和通用性.
- 定制的多模型算法和单人姿势估计是常见的,但实际实施仍然存在挑战.
结论:
- 本次审查是从体育科学角度对基于DL的HPE进行的首次系统评估.
- 这个领域需要开放的,标准化的数据集和可复制的方法来实现进步.
- 未来的研究应该解决局限性问题,并探索创新的应用,以最大限度地提高基于DL的HPE在体育科学中的影响.
