基于骨架的行动质量评估与异常感知DTW优化,用于智能体育教育
Wen Fu1, Wenze Fang2, Jiahao Huang3
1College of Sports Science, Fujian Normal University, Fuzhou 350100, China.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
本研究引入了一种新的间接评分方法,用于体育运动中的行动质量评估 (AQA),使用异常检测和快速行动质量评估 (QAQA) 算法. 这种方法提高了智能体育训练的准确性和效率.
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
- 计算机视觉 计算机视觉
背景情况:
- 智能体育教育中的当前行动质量评估 (AQA) 方法存在局限性.
- 基于回归的方法需要大量的注释数据.
- 无监督的方法缺乏准确性,特别是对于长序列.
研究的目的:
- 为体育AQA开发一种新的间接评分方法.
- 提高QAA系统的准确性和稳定性.
- 为了减少长时间动作分析的计算复杂性.
主要方法:
- 将动作异常检测与快速行动质量评估 (QAQA) 算法的整合.
- 异常检测识别框架之间的加速异常值,以进行动态得分调整.
- 对于O (n) 复杂度,QAQA采用了多重解析方法 (粗化,投影,精细化).
主要成果:
- 拟议的方法在执行效率和评分准确性方面优于传统方法.
- 异常检测提高了体育AQA的稳定性和准确性.
- 多分辨率QAQA算法显著降低了长序列的计算负载.
结论:
- 这种新型的间接评分方法有效地解决了现有的体育AQA技术的局限性.
- 该系统展示了用于智能体育训练和教育的改进算法性能.
- 这种方法为AQA提供了更准确和计算效率更高的解决方案.


