摘要
本发明公开了一种舞狮体操动作识别方法,涉及人工智能技术领域,本方法通过激光雷达、RGBD摄像头、麦克风及可穿戴传感器同步采集场地环境、视觉图像、鼓点音频及关节运动数据,利用YOLOv8算法生成环境参数矩阵,通过时空图卷积网络(ST‑GCN)与Transformer编码器构建双流网络,结合跨模态注意力机制实现多模态特征融合。基于环境参数动态调整姿态估计模型权重,通过LSTM网络完成动作分类。系统集成AR实时偏差反馈、元学习驱动的新动作生成及物理引擎安全评估模块,实现舞狮动作的高精度识别、训练效率优化及创新辅助。本发明解决了传统方法在复杂场景下的适应性不足问题,提升了舞狮运动的科学化训练水平与文化传承效率,具有高精度、智能化的特点。
技术关键词
动作识别方法
舞狮
关节
注意力机制
动态时间规整算法
跨模态
姿态估计
多模态特征融合
强化学习框架
数据
元学习算法
视觉
激光雷达
偏差
生成对抗网络
胶囊网络
音频
场地环境
系统为您推荐了相关专利信息
捕捉物体图像
计算机视觉技术
曲面重建算法
全卷积网络
多尺度注意力机制
多模态数据融合
状态监测方法
融合特征
信息编码
生成位置信息
电网故障分析
故障分析模型
修正故障
故障特征
动态时间规整算法
视频生成方法
视频生成模型
视频压缩
编码器
生成高分辨率
多任务卷积神经网络
分级分类方法
样本
卷积特征提取
图像增强