面向智能体能检测系统的三维姿态估计方法研究及应用

为了提升体能检测中的计数效率,研究提出一种结合堆叠沙漏模型(Stacked Hourglass Model,Hourglass)和超轻量级神经网络的三维人体姿态估计模型,并引入了K邻近算法(K Nearest Neighbors,KNN)来实现动作分类与计数。实验结果显示,所提模型的计数精度可达99.66%,实际测试的帧速在27.41 FPS左右。对不同体能姿态估计的平均召回率在99.33%。与传统的计数方式相比,本智能计数模型具有更高的计算精度和更低的成本。由此,本次实验所构建的模型具有较强的适用性。