基于深度学习的体能测试计数算法改进与应用

作者：杨磊; 李英祥; 张洪波

来源：成都信息工程大学学报, 2022, 37(05): 538-543.

DOI：10.16836/j.cnki.jcuit.2022.05.009

• 体能测试
• lightweight-openpose
• 模型改进
• 运动识别
• 运动计数

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%。

• 单位
  成都信息工程大学