文摘
为了提高识别精度的健美操运动员动作特性,multifeature fusion-supported有氧运动足迹识别框架提出了这项工作。通过提取和构建3 d外围结构重建方案的有氧运动足迹的概念,我们把模糊功能分解方法分解有氧运动足迹图像和多窗格显示融合。我们进一步实现健美操运动员的轨迹的相似性识别通过穿多态液化的方法。仿真结果表明,我们提出的方法具有更好的影响相似度识别的健美运动员的足迹,行为定位精度更高,一个令人满意的通知时间,和一个精确的识别健美运动员的脚印。实验表明,我们设计的系统有一个小型健美操运动的均方误差和绝对失败的一个确认。它也有一个识别保真度高。值得注意的是,有氧运动协调的困难的原因困惑的10运动员和实际协调很小,和啤酒效果的准确性高。我们的方法可以适用于健身,它可以为游戏法案提供了基础。
1。介绍
在健美操比赛中,裁判将原因关于运动员的尴尬的操作根据对手的规则,从而使净价值竞争的动力。然而,在当前健美操裁判的发展,缺乏一个统一的评分系统和随机运动的尴尬。健美操难度评分,你可以享受客观无法客观、准确地评估运动员的运动性能,以及缺乏公平在记录的结果是有争议的1- - - - - -12]。因此,迫切需要有一个专业、合理、标准化的自动评分系统为健美操的难度。自动运行系统,和行动最好使用贝叶斯分类器识别的基础上设置破图监视过程。实验的问题表明,健美操合同账户是可以实现的,但是确认可靠性需要修改。鲁莫和其他辅助评估系统为娱乐竞赛设计基于大数据和行为识别算法规则,他们建立了一个记录比较横幅数据库,集成的深度过滤的形状和骨骼特性的算法。为了进一步提高健美操的录音效果的科学性,本文使用动作识别算法设计一个自动评分系统的困难有氧运动基于行为关注算法规则。自动评估操作测试,阐明了标准化、祭和scientificization有氧运动障碍的指控,并促进有氧运动的可持续发展。
健美操的起诉搅拌图像命令偶像推的使用方法,和形状分析和识别能力的有氧运动搅拌副本并不认可。有氧运动的发现方法研究飞行屏幕,可以正确的和优化的运动的运动员。图像的生成和通知是基于图像目标边缘检测和分裂的建立模型,三维特征量血统健美操运动员的轨迹的相似性,结合图像形式完成健美操腹肌图像通知(1]。足迹图像识别方法具有重要意义健美操运动员的运动分析和校正。文献[2讨论一个适应性强的注意有氧运动序列分解操作显示基于形态血统。基本减法方法提取人类的强度有氧运动的目标,拥有人形的轮廓的双星组成辉煌,和流行方面的矩形轮廓。性别发现匹配分解处理演员承认,溶解成需要的形状,相似性阈值设置,有魅力的相似性高于门识别时终止。准确率非常高,识别时间延长。针对上述问题,本文提出了一个验证规则健美操运动员的足迹复制基于multifeature融合。首先,构造图像采集的有氧运动方式的脚印,然后重建三维形状和功能下降是在图像上执行。结合多维形状液化的方法,健美运动员的腿筋复制网络通知,完全启动和仿真实验分析,揭示了该方法在改善的性能优越的健美运动员的跟踪外观识别能力。
为了解决贫穷问题的确认结果的鲁棒性温和的倾斜造成的旧方法由于成本因素,如运动,照明条件下,关闭,和复合背景,一种自适应确认问题提出了有氧运动分解的姿势是研究特征提取系统。视频片段的序列分为几个机构效率的增加,结果是并不是所有的有氧运动,但意外干扰智能。用犬瘟热减法法则,人体目标是降低对健美操练习,执行,进一步突出获得人体的轮廓。得到的比率外轮廓的宽度和高度的矩形,梯形图的规模根据视图,并使用拉普拉斯方法解释相邻不同框架之间的光洪水减少背景杂乱的声望。形状向量提取关键帧,和健身分解动作形象产生是通过平价知觉与提取的特征,以及奇偶校验开始适应。我们设计的图例有氧运动识别系统如图1。
2。相关工作
诚然,有些人在健康和越来越多的社会关注治疗运动。有氧运动是一个相对较浅和受欢迎的运动,也受到广泛的关注1,2]。分解教学过程中的基本内容健美操教育和分解动作的实现图像识别直接影响健美操教学的表达。因此,研究具有重要意义概念的一种有效的自适应方法确认健美操衰变运动(3,4]。有许多因素影响了识别性能的传统方法,如直接率、亮度,闭塞,和复杂性,鲁棒性差(5]。因此,提出了一种新的方法来解决这个问题,组装有氧运动的分解动作图像样本打开箱子,使其形状下降,实现通过溶解行为的自适应识别图像特征相似性复制。
的动态系统配置有氧运动障碍机器人基于行为确认算法程序如图1。系统配置包括数据获取层、通信层(10- - - - - -14)、数据膨胀层和昵称。内存组件在躯体感觉传感器数据采集电梯Kinect,它使用躯体感觉Kinect广泛获得健美运动员的躯体感觉启蒙并获得代理健美运动员的图片(5,6]。内置的有氧运动姿态数据传输性能增长床通过通信协议;数据骨瘤层使用pro-chrono最大的连续体。应用程序层的随机存取存储器功能是机器人分数对有氧运动;它强大的有氧障碍参考测试自动获得有氧尴尬的分数。躯体感觉传感器Kinect Kinect是一个3 d躯体感觉传感器,它可以教能源网络的保留程度(9,10]。躯体感觉Kinect的建筑图所示2。躯体感觉Kinect重点跟踪技术,和底层引擎旋转运动的有氧运动。红外发射机项目一个激光器,不能被基督教的眼睛的有氧运动,那么获得的位置和情感投诉有氧运动通过红外摄像机,和输出操作健美操空转物种通过相机的图像(13- - - - - -16]。
多维周期性线程有氧运动的战斗姿态是条件,因为这个序列描述了一个诚实的健美操动作和空间感知数据。操作数据,运行在j n范围设置为aj。由于健美操运动的变化,类似条件相同的活动并不是100%一致,所以运动数据必须规范化来消除这种差异(11]。j-dimensional时间序列aj的健美操的概念,其规范化模式是消除噪声干扰和克服季节性损耗。它可以进一步使用象征聚合有氧spread-delay序列转换为分隔符号序列。利用分段聚合近似技术,健美操的年龄序列数据被分成相同大小的线段。
冗余算法基于最高analogy-leas可以过滤和填充不同的例子和财富健美操运动的特性。选择步骤分为两个步骤:(1)使用功能参考算法ReliefF评估每个健美操运动的独特的表现形式和符合健美操运动特点和表达。相关性用来计划功能权重,有氧运动影响小于阈值的操作特性ε将被丢弃,特性,并有很强的家庭互惠是选为候选特征。(2)区分授权形式和树叶之间的相关性。ReliefF算法规则更有用的特征选择命题的国旗问题。它可以为每个健身动作特性确定权重弱多个迭代。在重复的过程中,ReliefF算法是健美操运动的所有数据。一套trypiece Z是随机选择的,和k-next-neighbor模式中获得相同的类型。有两种形状联盟模式和功能冗余的主管特性。在实际应用中,太多的许可证的形状必须被删除。因此,根据影响,动作特性的后代,健美操动作功能低于阈值删除。
3所示。我们建议的方法
自动评分系统为有氧运动困难的形式支持的行动确认算法程序如图1。系统构建耙数据访问层、通信层、数据处理层和药膏反应层。组装组件的数据采集床是Kinect体感传感器,主要使用Kinect体感传感器收集健美运动员的躯体感觉指令和获得健美运动员的动作图片5,6]。通过健美操动作概念收集二手数据处理层的连接程序;数据处理基本采用最大correlation-minimum冗余接触层组合函数自动记录健美操的尴尬,主要支持健美操的难度标准,自动实现健身困难评级。躯体感觉Kinect Kinect是3 d躯体感觉,可以实现人文的获取工作信息(9,10]。Kinect体感传感器的结构如图2。躯体感觉传感器Kinect重点跟踪技术,和低调的电动机旋转逆转的有氧运动。红外发射器发射激光炼金术士的人眼的有氧运动,然后使用红外摄像机获取有氧运动姿势教学,并生成通过伪装相机健美操动作的照片。
健美操动作的多维时间序列图片设置为 ;这个续集代表一个健美操动作和多维传感器数据。在j n扩展程度的行为数据是aj调整。因为健美操运动是有争议的,同样的动作像准备并不是100%兼容,因此进化数据必须正规化来消除这种差异(11]。j-dimension时期规模的有氧运动的反演图像,aj,换句话说,标准化规则 一个(j)是规范化j-dimension时间序列。
在系统级征服障碍,降低延迟,象征聚合方法技术是一个利益演变的季节性安排健美操测试结果分离的象征。使用分段聚合技术,节奏一系列有氧任务分为叶平等的伟大的12,13]。高斯分布的情况下同样的可能性,断点 有氧运动的锻炼数据区间划分为q + 1段,同时所有片段转化为表意文字描述。的年龄序列aj,断点是q,段是g的夹杂物,符号的序列是环连接面,国旗是环连接面的续集。每个元素符合 ,在哪里 破发点的数量的标志吗 在有氧运动操作画面。
DTW属于频繁相似性猜想时间尺度测量模式的差异。两个符号rtx,而运行,分别和他们检查储备下降如下:在长度公式,a和b的有氧运动进化数据依次na和nb。玩家的行动的测量数据是aj,和bj是健美操动作之间的欧几里得距离数据。 是最高的和最低的断点j维度有氧运动数据aj和bj,分别。欧几里得的散度是一种习惯的相似的双胞胎(前名)aj和bj:
有氧运动是三维数据的数据项在每一个权力。根据其他到达之间的关系,可以确定每一个匹配的重要性。双(名义)模式可以应用。为了获得不同的有氧运动行为特征,有氧运动行为特征相对较Ga和Gb。遗传算法是有氧运动的想法更重要。
基于极限correlation-minimum冗余算法程序,可以筛选不同类型和保证有氧运动特点。引用步骤数字化为两个脚印:(1)特征选择算法ReliefF每个有氧运动是用来评估功能生成作战功能。计算健身行为的严重性和类别相关特性,丢弃健身行动比支承形式影响较低ε,并选择特性与实体类型的类比候选人形式。
4所示。实验结果和分析
在实验中,有氧运动分析姿态数据库和简单的有氧运动分解动作数据库被选为研究数据库,记录为数据库A和数据库B,分别在应用程序中。数据库有120个有氧运动视频,有10个健美操运动视频,由12个健美操运动员意识到应用程序。这个数据集是苏格兰人在实际环境中,包含照明信息,有偏见的障碍。数据库B店15行动类型的有氧运动,包括65个视频。两个数据库的视频分辨率720×480像素,像素和学位是80帧/秒。图2部分解释了有氧运动分解动作偶像的数据库,和图3指导健美操B部分的分解动作图像数据库。应该注意的是,数据库有不同的场景,最后的生存困境的变化,家庭场景,户外场景,等等。下面的注册图片都是真实的有氧运动分析的行为;此外,它还包含很多干扰图片。为方便分析,我们首先测试数据库管理系统上的试金石B块健身分解动作在DBMS B使用这个报纸被迫选择和分析过程,光滑的奖学金,和分层时间回忆法。图的分析4表明在本文最准确的通知问题分解的有氧运动行为,可以有效地识别有氧运动的多个分解动作。然而,确实有一些错误的识别基于科学模式和分层次回忆法,本文表明规律识别的准确性很高。为了进一步验证本文方法的通知的准确性,在raise-one-out peevish-validation规则是用来证明在每一轮的实验中,遗留操作管理数据的习惯。识别混淆矩阵。图3显示了通知混淆矩阵,词汇学习模式和分层瞬态内存数据库B模式的方法。的分析,可以看出本文的过程是用来识别有氧运动的分解动作。只有两个分解动作的树干横断和节奏无疑识别错误和混乱事件,和其他操作的识别结果相对准确。
下面是分层的临时存储方法通知混乱数组植物和字典的数据库管理系统B科学手段。比较数据3和4,发现该方法在这个文学有氧运动分解的最后效果的战斗位置标识混淆。光滑的知识方法混淆了胸部交叉手势大打出手,诚实的战斗,弓糖精运动,运动机制。记忆过程分散和斜向运动积累拳头的动作,脚运动,和足迹的动作,混淆的程度高于。2.3识别数据库为了进一步反映的影响效果,本文使用词典知识方法和分层时间记忆法来识别有氧运动的习惯在数据库管理系统分解动作。这三个方法都是习惯在不同的场景中。表1描述的结果通知准确的描述。从分析表1,可以看出,在数据库B,注意光线暗的场景的三种方法的准确性和户外场景相对温和,而注重准确性intra-wall场景是相对较高的。不同场景的通知准确率很高,这也进一步证实了本文方法的准确性。
为了验证所需性能的出版物的过程中实现健美运动员的哈巴狗形象通知,进行了仿真实验。尝试的目的是通过Matlab 36。分界线的长度是12,抽样样本数量的有氧运动足迹的概念是200,人口抽样的三维图像的视觉特性是24 kHz,和范围的一个设计符合1024标准。根据上述参数设置,健美操运动员的步识别完成后,和原来的偶像图所示3。有氧运动图的原始图片1去噪,生产结果如图3。图的分析3可以有力地表明本文的规律性。在此基础上,面部轮廓特征。
为了判断系统的一般介绍,Matlab软件用于测量和计算系统方案、系统运行平台是Windows XP。健美操运动图像的抽样数量 ,本文系统的必要条件推理是健美操的难度与锻炼。根据2017 - 2020年的健美操竞赛规则,可以看出,运动障碍的动态标准支持,稳定和健壮的运动,有氧运动的跳跃运动,平衡和灵活的运动比赛。操作数据如表所示1。均方误差(MSE)和平均无限不规则(MAE)的系统在不同的四组的有氧运动进行了测试。MSE和梅的计算方法如下:是有氧运动的数量确认;有氧运动行为的匹配数量确认;和公开宣称的计数操作和一定数量的行动,分别。微不足道的绝对误差代表定期幻觉和歧视的推理跳相比可以忽略不计,平衡,和柔软运动,限制的效用不超过0.02(图4)。确认准确率高,它有一个积极的性能的困惑描述后续行动。
准备的数据由于Kinect人道机构10运动员的有氧运动数据被随机引用,和10个运动员的有氧运动数据自动功率穿着系统。困惑的理性效用系数和极端竞争的积极反对合作是0.1,和界外值是软弱,一个可接受的范围内。本文在评估试验的有氧运动,只有运动员大小4执行小姐,小姐有很多的1,所需的动作数量相对较小。有很多错误评估的目的,如非标准的运动的运动员,导致系统过滤出来很快在动作识别,没有严重影响这个虚拟系统的计算结果,和一个电荷是可能的。三维光学重建和功能下降的健美操足迹使用本文中的序列具有更高的精度和更好的识别性能。因果关系识别的过程中,6000年健美运动员的石榴石模型校准和分析使用过程和文献[2本报)系统,峰值memory-to-noise比两种方法之间的比较。上述过程的分析表明,本文方法的峰值信噪比高于23.22 dB的学2]模式;其网站忠诚是纯文学的高出11.33% (12)方法;其识别的速度高于文献[15识别短时间是2.69秒。结果表明,该方法在这个例子可以完全实现健美操的肖像通知的足迹,正确操作的定位能力,并降低操作的确认延迟性能。摘要自序列采用三维形式的积累,健美运动员的足迹的三维重建是暗示,从而提高健美操的体型校正能力。
5。结论
针对不成文的健美操冠军轨道相似的问题提示方法,具有大延迟等问题通知行动相似性和高真实性的行动定位,导致可怜的识别性能,多种形式的联合支持火药的有氧运动和杂技演员设计的概念。我感兴趣的图像采集设计脚轨迹和边缘轮廓特征生成系统减少的低级行为有氧运动足迹图像,周围结构和设计一个三维重建模型的有氧运动足迹显示。Multi-ladder分析和信息融合是赢家,多态组合的相似性识别方法是一种习惯,实现健美运动员的足迹。有氧运动足迹的研究反映,通知的图像类的定制。这将减少确认机会开销。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。