基于人体骨架的体育技术动作分析方法研究.pdfVIP

摘要

体育运动技术动作分析被广泛应用于各级别运动队和俱乐部，是计算机视觉的一个

重要研究方向。基于计算机技术的体育运动技术动作分析具有规范化程度高的特点，节

省了大量的教练资源，对提高体育运动训练的科学性和可量化性具有促进作用。因此，

体育运动技术动作分析具有较高的应用价值和研究意义。

体育运动相较于日常活动差异巨大，其技术动作具有速度快、空间复杂度高、细粒

度程度高以及连续重复性强等特点。虽然传统的动作识别技术在通用动作领域效果良好，

但是将其直接应用于体育运动技术动作识别上则暴露出诸多不足。虽然深度学习技术的

发展使得基于神经网络的动作分析技术得到了进一步提升，分类和定位的准确率都有所

提高，但是对于高速重复的细粒度体育运动技术动作仍然具有局限性。在基于人体骨架

的动作分析基础上，提出了基于插值的动作序列增广和修补方法、基于早融合结构的图

卷积神经网络以及基于平滑帧判别的图卷积时序定位模型。另外建立了基于RGB视频

的拳击动作数据集和基于人体骨架的专业拳击数据集，完成了体育技术动作在分类和定

位上准确率的提升和功能性的增强。主要内容如下：

(1)针对体育运动技术动作数据质量不高，长度不统一的特点，给出了基于插值的

数据处理方法。该方法采用基于递推公式的内维尔插值法，对采样率低、关键帧缺失的

数据进行了数据增广和修补。比较了此方法与线性插值方法的插值效果，测试了其在不

同阶数下的插值准确率，并在拳击动作数据集上进行了实验。结果表明，该方法显著提

升了分类模型的效果。另外还使用插值方法对数据进行重采样，满足了时序定位模型对

输入数据长度统一的要求。

(2)针对体育运动技术动作细粒度程度高和空间复杂度高的特点，提出了基于早融

合结构的图卷积神经网络。在双流网络的基础上将人体骨架中节点和边的信息进行早融

合处理，同时仍然保持两条主干网络分支，促进图结构中各节点的信息融合。还引入了

通用动作识别中常用的节点权重模块和动态图结构模块，使得模型能够关注在运动中起

主要作用的节点，并发现人体各关节的潜在联系。在通用动作数据集NTU-RGB+D以及

拳击动作分类数据集和专业拳击数据集上都进行了测试，比较了多种常用算法来验证本

网络模型的检测性能。实验结果表明，本模型在细粒度较高的拳击技术动作分类上取得

了较好的成绩。

(3)针对体育运动技术动作连续重复性强的特点，提出了基于平滑帧判别模块的图

卷积时序定位模型，将人体关键点序列应用于动作时序定位任务中。该模型共有三条预

测分支：动作起止位置，边界框匹配置信度图以及帧级隶属度曲线。使用正弦函数初始

化帧级隶属度曲线，从而给出一种平滑的帧判别标签。通过辨认模型预测的帧级隶属度

曲线中峰谷值的位置，即可有效地分离连续重复的体育技术动作。本模型的时序定位效

果在修改后的通用时序定位数据集THUMOS14以及重复动作检测数据集VSRep上得

到了性能验证。

关键词：体育技术动作，动作分类，时序定位，图卷积神经网络，序列处理

Abstract

Sportstechnicalactionanalysisisnowwidelyappliedinsportsteamsandclubsatall

levelsandisbecominganimportantresearchdirectionincomputervision.Sincecomputer-

basedsportstechnicalactionanalysissavescoachingresourcesandhasthecharacteristicsof

highstandardization,itmaycontributetotheimprovementofscientificandquantifiablesports

training.Therefore,technicalactionanalysisofsportshashighapplicationvalueandresearch

significance.

Variedfromdailyactivities,technicalactionsarefast,spatiallycomple