面向体育教学的高效动作质量评估算法

为进一步提升体育教学效率,构建高效的体育动作自动质量评估算法对于促进学生体育学习和锻炼具有一定的现实意义。本文构建了一种面向体育教学的高效动作质量评估算法,采用姿态估计算法以获取体育训练视频的动作变化序列,通过特征重构构建基于分数度量的DTW距离度量,并通过对齐增强与端点松弛进行算法优化来提高评估效果。最后在构建的体操动作评估数据集上进行算法测试。实验结果表明,该算法的动作匹配准确率达到了97.5%,单个视频的评估时间缩短了近50%,实现了高效、精准的动作质量评估。

基于多源动作信息的手卫生动作质量评估

手卫生动作质量评估任务的研究对于手卫生行为的干预可以发挥重要作用。为此,本文将来自视频数据和差分图像数据的2种不同类型的手卫生动作信息作为输入,构建一种基于多源动作信息的手卫生动作质量评估方法。该算法包含动作分割模块和评估模块,在动作分割模块中,通过位置索引划分与每个步骤相关的特征片段。在评估模块中,引入通过帧间差分法和ResNet50特征提取器获取的差分图像特征,与过去的方法(结合光流和RGB的I3D特征信息)相结合,以捕捉手部细微动作信息。将分割模块获取的特征片段经过处理输入基于交叉注意力机制的手卫生信息解码器,得到融合手部运动细节信息的综合特征。使用这些特征计算每个步骤的评估得分,最后将各步骤的评估得分相加以获得最终评估结果。该算法通过使用来自公开数据集HHA300进行验证,在评估任务中,评价指标ρ、R-ℓ_(2)(×100)分别取得了0.86和0.95的结果,充分说明了该算法能够准确评估手卫生的动作质量。

视频动作质量评估

视频动作质量评估旨在通过计算机对视频中人体行为进行分数评估,其可以作为监测和评估人体行为质量的自动化技术,因而在实验操作规范监测、康复医疗和体育训练等领域有着重要的应用价值。本文介绍了视频动作质量评估任务的研究挑战,而后梳理了相关的研究工作,介绍了传统方法的和深度学习方法,并详细分析了这两类方法的优缺点,最后介绍了其在现实生活中的应用价值。

RFC-Net:基于残差结构的动作质量评估网络

动作质量评估是视频分析中一个重要且具有挑战性的问题,动作质量评估是指对特定动作(如跳水、体操等)的完成质量进行评分,分数评估模型是通过将视频特征回归到该领域专家提供的真实分数来进行学习。现有的大多数方法是直接使用动作识别任务的模型如(C3D和I3D)来解决问题。为了增强网络模型的特征提取效果,从而提高分数回归的准确性,该文提出了一种基于残差结构的动作质量评估网络模型RFC-Net。该网络由特征提取器和特征聚合器组成,在特征提取器中使用I3D网络对视频特征进行提取,在特征聚合器中对特征提取器最后一层卷积得到的视频特征分别进行平均的全局池化和残差卷积操作,对得到的结果进行特征融合,最后输出视频的分数表示。在动作质量评估领域公开的MTL-AQA数据集上,该方法取得的斯皮尔曼相关性系数为0.9463。为进一步验证模型在不同背景下、动作差异较大时的泛化能力,制作了羽毛球运动视频数据集,并在此基础上进行了不同模型之间的对比实验。

时空序列联合约束下基于时空金字塔模型的套动作质量评估方法研究

阐述基于多目视觉的动作空间和动作序列时间上的联合约束,采用列文伯格-马夸尔特方法进行多坐标系融合计算,将可见光视觉下无标记动作捕捉方法的姿态识别精度从厘米级别提升到毫米级别。同时针对连续动作姿态序列,提出基于空间分层结构和多时间尺度特征的时空金字塔网络建模方法,以及适用于多类套动作的套动作质量评估深度学习方法,并在KIMORE和UI-PRMD数据集上取得全面优于现有康复评估方法的效果。

幼儿功能性动作教学中师幼如何互动

2022年2月,教育部印发《幼儿园保育教育质量评估指南》,其中,师幼互动作为重要的评估指标,体现出了对幼儿发展的重要性。根据《指南》建议,我园围绕幼儿功能性动作教学,在课程教学、教师评价方面做了优化调整,以更好地支持师幼互动,培养幼儿的运动兴趣。

标记分布与时空注意力感知的视频动作质量评估

目的视频动作质量评估旨在评估视频中特定动作的执行情况和完成质量。自动化的动作质量评估能够有效地减少人力资源的损耗,可以更加精准、公正地对视频内容进行评估。传统动作质量评估方法主要存在以下问题:(1)视频中动作主体的多尺度时空特征问题;(2)认知差异导致的标记内在模糊性问题;(3)多头自注意力机制的注意力头冗余问题。针对以上问题,提出了一种能够感知视频序列中不同时空位置、生成细粒度标记的动作质量评估模型SALDL(self-attention and label distribution learning)。方法SALDL提出Attention-Inc(attention-inception)结构,该结构通过Embedding、多头自注意力以及多层感知机将自注意力机制渐进式融入Inception结构,使模型能够获得不同尺度卷积特征之间的上下文信息。提出一种正负时间注意力模块PNTA(pos-neg temporal attention),通过PNTA损失挖掘时间注意力特征,从而减少自注意力头冗余并提取不同片段的注意力特征。SALDL模型通过标记增强及标记分布学习生成细粒度的动作质量标记。结果提出的SALDL模型在MTL-AQA(multitask learning-action quality assessment)和JIGSAWS(JHU-ISI gesture and skill assessment working set)等数据集上进行了大量对比及消融实验,斯皮尔曼等级相关系数分别为0.9416和0.8183。结论SALDL模型通过充分挖掘不同尺度的时空特征解决了多尺度时空特征问题,并引入符合标记分布的先验知识进行标记增强,达到了解决标记的内在模糊性问题以及注意力头的冗余问题。

基于飞行基本动作对复杂动作识别方法研究

飞行动作识别是飞行训练质量评估的关键。针对传统方法识别动作存在的弊端,提出了一种基于平飞、上升、下滑、转弯、横滚这五个基本动作对复杂动作识别方法的研究。在深入分析了飞行教范中复杂动作参数变化特征后,结合领域专家先验知识,重点讨论了基本动作参数变化范围、复杂动作空间组合情况及其参数累加变化量,建立了飞行动作识别知识库。并用某型无人机飞行任务数据进行了仿真实验,仿真结果表明该方法对复杂动作识别快速,准确率高。

基于CART决策树算法的飞行动作识别研究

如何借助机器学习算法实现飞行动作的自动化识别是当前飞行训练领域的一个研究热点。首先针对飞行动作识别问题,定义基本飞行动作特征参数,构建飞行动作识别流程;然后设计了基于特征参数CART决策树的飞行动作识别算法;最后给出了该动作识别算法的Python语言实现。实验结果表明,该飞行动作识别模型具有识别精度高,泛化能力好等特点,为飞行质量评估奠定了良好基础。

中学体育课堂教学评估的探讨

体育课教育评估是检查体育教学质量和进行体育教学研究的一项重要工作,通过教学评估,对体育课作出定性,定量分析。不仅可以总结教师的教学经验,找出主要问题,以便不断提高教学质量,而且也是提高教师业务水平所必需的途径。是广大体育教师和理论工作者所研究的一个重要课题。所谓教学评估即是:以课堂教学为研究对象,从整体发展教育感出发,循着教学展开过程。根据教与学的双边活动,对照评估指标体系,对课堂教学的水平和效果,作出客观的教学的评价。在评估工作中,为了使分析、评定更加科学、准确、客观应采用定量分析。

基于计算机视觉的儿童运动发展辅助诊断技术研究

目的:提出一套可客观量化评估儿童运动发展的辅助诊断方法,对儿童运动发展状况进行定量评估,辅助诊断儿童发育性协调障碍。方法:以规定动作类别的儿童动作视频数据作为输入,使用关键点检测算法得到人体关键点数据,在进行动作规整后使用基于相似度计算方法得到对应动作的质量评估结果,通过动作完成质量反映发育性协调障碍诊断结果。结果:结合关键点波形分析以及动作质量评估,得出的结果与观察得到的结果表现出明显的一致性。结论:本研究以动作视频为基础结合计算机视觉方法将儿童发育性协调障碍的诊断方法进行标准化,为该疾病的诊断以及后续干预效果评估提供了一种标准量度。

基于动态视觉信息归一化的健身动作分析系统

基于视频序列的动作识别和评估技术已广泛应用于智能健身和主动健康领域,然而由于健身场景的复杂性,拍摄采集的视频画面通常不如实验室条件下采集的稳定,相机移动带来的视角变化使得动作识别和评估的精度受到影响。为满足智能化健身的应用需求,提出一种基于动态视觉信息归一化的健身动作分析系统,以便捷实现自由移动机位下的健身动作分析。首先,使用基于深度学习框架的人物分割模型、相机位姿估计方法提取健身视频中的静态图像特征估计相机位姿;再结合相机位姿信息,基于几何投影关系建立单目相机-人体运动关系模型;最后,将人体姿态变换到同一坐标系下,基于归一化人体骨架信息建立轻量级机器学习模型进行动作识别与动作质量评估。实验结果表明,相机-人体运动关系模型和人体骨架归一化方法能有效处理移动机位拍摄的动作,解决人体健身动作自遮挡等问题并完成动作识别。基于骨架编码信息的余弦相似度方法能有效完成健身动作评价工作。在完成以上两项工作的过程中,Kinect提取的人体骨架质量明显高于OpenPose,动作识别精度较OpenPose骨架提高12.5个百分点。所提系统能在移动视角下有效识别健身动作并进行质量评估,为改善动作表现提供量化依据。