基于Swin Transformer改进YOWO的羽毛球动作识别研究

针对使用传统的目标检测算法以及支持向量机(support vector machine,SVM)的分类方式对羽毛球运动员动作识别的效率以及准确率的问题,提出一种更加准确并且更具有迁移性,在复杂环境下也具有一定的可识别性的基于Swin Transformer作为主干网络改进的YOWO(you only watch once)的算法。首先,将原始视频片段分成8帧图像,然后,分别通过Swin Transformer和Video Swin Transformer网络提取空间和时间特征;同时通过注意力机制融合时空信息特征,最后通过卷积层输出羽毛球动作的类别信息和运动员位置坐标。在自主构建的羽毛球动作数据集对四种羽毛球动作进行分类识别达到91.8%的准确率。实验结果表明,所提出的方法提高了羽毛球动作的识别准确率,可以有效地完成羽毛球动作进行分析、捕获任务。