基于YOLO算法的游泳目标检测模型构建

目的现在流行的模型不能有效识别出泳池中的游泳者,本研究尝试将计算机视觉运用到游泳运动中,通过自建数据集训练出模型自动识别出运动员在泳池中头部的位置。方法(1)以游泳比赛视频输出175张图片,通过labelimg软件标注构建识别运动员的头部的数据集。由于数据量较小,使用imgaug方法对图片和标签进行扩增10次使数据集图片达到1750张。(2)设置训练集和验证集的比例为7∶3,使用YOLO训练算法对数据集进行训练。(3)用验证集对训练模型进行验证。结果由于流行的yolov8n模型的无法识别出水中的人物,但训练出来的模型能有效识别出水中的人物,损失值为1.7034、精度为80.1%、召回率为69.2%,在Io U为0.5时,平均精度均值m AP为79.4%;在Io U为0.5~0.95间的m AP值为38.7%。结论该模型在验证中比原模型有较好提升。但是由于该模型的精度不够高后期可通过增加数据集和优化算法来提高检测精度测精度,并加入对游速、划频等指标的识别。为自动识别游泳者的游速、划频构建了基础。