一个多式空间时空卷积网络,具有运动员焦虑行为识别注意力机制

科学领域:

• 运动科学 运动科学 运动科学
• 心理学 心理学 心理学
• 人工智能的人工智能

背景情况:

• 焦虑显著影响体育表现.
• 传统的焦虑评估是主观的,缺乏实时能力.
• 在体育运动中需要客观的实时焦虑监测.

研究的目的:

• 为运动员开发一个自动化的,实时的焦虑识别系统.
• 利用多式联网数据融合进行全面的焦虑检测.
• 通过及时干预,提高运动员的心理健康和表现.

主要方法:

• 采用多式联络数据融合:生理信号,面部表情和身体运动.
• 利用具有适应性注意力机制的时空卷积网络.
• 为运动员开发了一种自动焦虑识别系统.

主要成果:

• 在焦虑检测中达到94.6%的准确性.
• 证明了实践体育应用的实时处理能力.
• 多模式方法显示出相对于单模式方法的显著优势.

结论:

• 开发的系统提供了一个客观的工具,用于实时监测运动员的焦虑.
• 促进教练和体育心理学家及时进行干预.
• 有助于提高运动表现和运动员的心理健康.