典型文献
基于深度学习的体能测试计数算法改进与应用
文献摘要：
为改变体能测试中人工计数的传统方式,提出一种基于深度神经网络的体能测试计数算法.该算法以运动视频作为输入,采用轻量级的姿态估计网络(lightweight-openpose)对人体关节点坐标进行检测,改进原模型的关节漏检和无效计算问题并新增了人物追踪模块;使用图像分类网络进行运动类型预测,采用批量正则化和迁移学习方式强化网络在自制4类常见体能测试数据集上的训练;制定4类体能测试运动计数标准,结合姿态估计和运动识别结果进行有效运动判断并计数.实验表明,姿态估计模型相较于原模型运行速度提升17.6％,人物追踪错误率低至3.2％;运动识别模型准确率提升5％ ～8％,达到94.84％;运动计数算法平均准确度在4类体能测试运动中达到95％.
文献关键词：
体能测试;lightweight-openpose;模型改进;运动识别;运动计数
中图分类号：
作者姓名：
杨磊;李英祥;张洪波
作者机构：
成都信息工程大学通信工程学院,四川 成都610225
文献出处：
引用格式：
[1]杨磊;李英祥;张洪波-.基于深度学习的体能测试计数算法改进与应用)[J].成都信息工程大学学报,2022(05):538-543
A类：
openpose
B类：
体能测试,数算,算法改进,改进与应用,变体,传统方式,深度神经网络,运动视频,轻量级,姿态估计,lightweight,人体关节点,节点坐标,漏检,用图像分类,图像分类网络,行运,运动类型,类型预测,正则化,迁移学习,学习方式,测试数据,试运,运动计数,运动识别,运行速度,错误率,识别模型,模型准确率,准确率提升,中达,模型改进
AB值：
0.398861
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。
