典型文献
结合姿态估计和时序分段网络分析的羽毛球视频动作识别
文献摘要：
目的 为了满足羽毛球教练针对球员单打视频中的动作进行辅助分析,以及用户欣赏每种击球动作的视频集锦等多元化需求,提出一种在提取的羽毛球视频片段中对控球球员动作进行时域定位和分类的方法.方法在羽毛球视频片段上基于姿态估计方法检测球员执拍手臂,并根据手臂的挥动幅度变化特点定位击球动作时域,根据定位结果生成元视频.将通道—空间注意力机制引入时序分段网络,并通过网络训练实现对羽毛球动作的分类,分类结果包括正手击球、反手击球、头顶击球和挑球4种常见类型,同时基于图像形态学处理方法将头顶击球判别为高远球或杀球.结果 实验结果表明,本文对羽毛球视频片段中动作时域定位的交并比(intersection over union,IoU)值为82.6％,对羽毛球每种动作类别预测的AUC(area under curve)值均在0.98以上,平均召回率与平均查准率分别为91.2％和91.6％,能够有效针对羽毛球视频片段中的击球动作进行定位与分类,较好地实现对羽毛球动作的识别.结论 本文提出的基于羽毛球视频片段的动作识别方法,兼顾了羽毛球动作时域定位和动作分类,使羽毛球动作识别过程更为智能,对体育视频分析提供了重要的应用价值.
文献关键词：
姿态估计;元视频;羽毛球动作定位;注意力机制—时序分段网络(CBAM-TSN);形态学处理;羽毛球动作识别
中图分类号：
作者姓名：
陶树;王美丽
作者机构：
西北农林科技大学信息工程学院,杨凌 712100;农业农村部农业物联网重点实验室,杨凌 712100;陕西省农业信息与智能服务重点实验室,杨凌 712100
文献出处：
引用格式：
[1]陶树;王美丽-.结合姿态估计和时序分段网络分析的羽毛球视频动作识别)[J].中国图象图形学报,2022(11):3280-3291
A类：
羽毛球动作,羽毛球动作识别,羽毛球动作定位
B类：
姿态估计,视频动作识别,教练,球员,单打,辅助分析,欣赏,击球动作,集锦,多元化需求,控球,估计方法,检测球,拍手,手臂,挥动,变化特点,点定,定位结果,结果生成,生成元,元视频,空间注意力机制,网络训练,正手,反手,头顶,常见类型,图像形态学,形态学处理,高远球,杀球,交并比,intersection,over,union,IoU,动作类,area,under,curve,召回率,查准率,动作分类,识别过程,体育视频,视频分析,CBAM,TSN
AB值：
0.347382
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
