在人工智能技术下,LSTM-CNN在滑雪行动识别中的应用
Wenhao Zhang1, Liang Xu2, Lei Wang3
1Ice and Snow Industry College, Jilin University of Physical Education, Changchun, 130022, Jilin, China.
Scientific reports
|March 2, 2026
概括
这项研究引入了一种深度学习模型,用于准确识别滑雪动作,即使在恶劣的条件下,如照明不佳和背景杂乱. 该模型实现了高精度和回忆,为智能体育分析提供了强大的解决方案.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 运动分析 运动分析
背景情况:
- 由于复杂的环境因素,体育运动中的自动动作识别具有挑战性.
- 滑雪行动识别面临的困难是背景干扰,照明变化和自我封闭.
研究的目的:
- 在复杂的场景中提高自动滑雪动作识别的准确性.
- 开发一种深度学习模型,有效地整合视觉感知以提高性能.
主要方法:
- 采用了双流三维卷积网络双向长短期存储器 (C3D-BiLSTM) 架构.
- 该模型使用红绿蓝 (RGB) 和显著感知流与光流.
- 一种可学习的加权融合方法整合了特征,随后是双向长短期记忆 (BiLSTM) 用于序列建模.
主要成果:
- 拟议的C3D-BiLSTM模型比基线模型取得了优异的性能,精度为92.8%,回忆率为91.9%,F1-score为0.923.
- 废弃性研究证实了BiLSTM,度流和加权融合的有效性.
- 该模型在跨场景和跨运动员测试中显示出超过85%的准确性,具有良好的噪声稳定性.
结论:
- 该模型通过利用外观和运动信息有效地识别复杂的滑雪运动.
- 拟议的方法为智能体育分析提供了新的技术方法.
- C3D-BiLSTM模型为滑雪动作识别提供了稳定而准确的解决方案.