摘要
本发明提供了一种运动姿态识别模型与评价方法,属于图像识别技术领域。其中的方法包括:标准运动姿态获取、标准运动姿态数据集构建、受测运动姿态识别、运动姿态匹配及运动姿态评价。通过摄像机获取标准运动姿态并构建标准数据集;使用嵌入STV2模块的YOLO‑Pose神经网络模型识别受测运动姿态,提取关节点信息并生成特征矩阵;通过计算关键关节间角度进行姿态匹配;采用基于关键关节间角度的评价方法,对每个关节的偏差百分比进行量化评分,最终得到整体姿态的评分。该发明提供了一种基于人工智能与图像识别技术,综合实现运动姿态识别与运动姿态评价的方法,该方法保证了运动姿态识别的准确性,还通过量化匹配与评价提供了公平的动作完成程度反馈。
技术关键词
运动姿态识别
卷积模块
关节点
运动姿态数据
评价方法
人体运动姿态
人体姿态数据
注意力
特征金字塔网络
图像识别技术
神经网络模型识别
矩阵
姿态估计
摄像设备
融合特征
偏差
检测头
系统为您推荐了相关专利信息
在线预测方法
多项式
电力系统
时域卷积网络
卷积模块
四维计算机断层扫描
滤波反投影算法
图像重建
混合成像方法
样本
氨纶包覆纱
缺陷检测方法
验证图像数据
训练图像数据
检测网络模型