特征降维和高斯混合模型的体育运动动作识别

为了解决当前体育运动动作识别方法的不足,以获得更优的体育运动动作识别效果,提出特征降维和高斯混合模型的体育运动动作识别方法。首先采集体育运动动作的视频图像,并提取体育运动动作的特征向量,然后采用随机投影算法对特征向量进行降维处理,最后采用高斯混合模型对降维后的训练样本进行学习,构建体育运动动作识别模型,并采用各种体育运动动作数据集对性能进行测试。结果表明,该方法获得了理想的体育运动动作识别结果,而且识别正确率高于其他体育运动动作识别方法。

虚拟现实技术在大学体育教学中的应用研究

体育运动动作识别是计算机视觉研究的热点问题.将计算机虚拟现实技术应用到大学体育教学之中,将获取的学生运动动作作为输入和虚拟场景进行交互.该方法采用的是一种半监督框架下实现的算法,首先基于Q统计量进行虚拟与现实差异性度量选择算法来挑选出自适应学习能力较强的体育生,然后利用分类器近邻置信度公式从没有被标记的体育生中选择具有较高置信度水平的学生,并将其归入到已标记的体育生之中,推动模型泛化能力的提高.实验结果表明,该方法可有效辅助体育教学活动,为教学结果提供客观、有效的数据分析.