体操运动迹象基于网络通信和身体轮廓特征提取

文摘

计算机视觉技术的快速发展,人类行为识别技术在这一领域已经占据了一个重要的地位。基本的人类行为识别系统主要由三部分组成:移动目标检测、特征提取和人类行为的认可。为了理解行动的迹象,体操,本文使用网络通信和不同形态特征的提取轮廓特征提取在体操。然后,边缘曲率的有限差分算法是用于分类不同的体操动作,分析和讨论了高斯背景。模块化方法,一种改进的混合高斯建模方法,提出了,自适应地选择高斯分布的数量。研究结果表明,与传统轮廓提取相比,体操运动特性的决议通过网络通信和身体轮廓特征提取是清晰,和增加率超过30%。此外,本文提出的方法去除噪声图像中提取过程,效果很好,和运动员的动作是非常清楚,可实现研究目标。

1。介绍

轮廓提取是指的过程中准确地标记目标对象在一个图像的轮廓。这是一个重要的许多计算机视觉和图像处理算法的基础。提取的物体轮廓信息被广泛应用于图像分割、目标检测、阻塞和深度推理、三维重建、等领域。现有的轮廓提取方法需要大量的用户交互,或提取效果难以满足要求。计算机视觉技术的快速发展,人类行为识别技术在这一领域已经占据了一个重要的地位。具有重要的实用价值和研究价值在安全保护,先进的人机交互、视频搜索分析和运动分析。由于人体的非刚性的特征,光照的变化,和多变的周边环境的影响,人类活动的识别是更具挑战性。

体操是一种健身,形成一个美丽的身体姿势和培养优雅气质。的基础上自然体操,它包含了音乐、舞蹈、光设备,和其他元素,并使用体育和艺术的结合。它可以用在一定的空间和时间。里面,一个体育赛事,完美地表达了女性的身体和精神的美是气质美。不仅仅是一个高度困难和高水平的竞技体育项目与广阔的创新空间。个人体操的成套练习由困难和完成。这意味着跟随音乐的压力和短语来完成一系列的物理困难(BD),仪器困难(广告),舞步组合(年代)和动态运动结合旋转(R)在指定的时间内,让音乐反映了。同时,注意连接的动作的配合动作与音乐的特点,以及“艺术”反映在完成动作。因此,体操运动的识别尤为重要。

提取的运动轮廓特征,国内外专家还需要研究。Genc研究的H,身高、体重(BW), BMI(身体质量指数),家庭津贴计划”(体脂百分比),皮肤褶厚度(SFT),直径测量(DM),周长测量(CM)、坐高(SH),臂展(AS)和垂直跳(VJ),站在跳远(SLJ)和灵活性测试作为测试组(如)和对照组(CG))。预备考试和测验后的测试。数据分析是评估22软件包SPSS程序。团体之间的相关分析,群体内部,和培训效果是由多个方差(MANOVA)重复测量措施,和因果的比较重要的值是由Bonferroni测试(1]。Kyselovičova等人认为,很少有研究人体测量和生理特点或身体锻炼的好处。他们检查控制集团有限公司(n= 10),而竞争花样游泳运动员,党卫军(n= 11),有氧体操运动员,股份公司(n= 10)。人体测量和心血管特点是13 - 25岁。根据协议,按照以下顺序物理测量评估:高度(BH)、体重(BW),身体质量指数(BMI),体脂百分比(% BF)。最大耗氧量(VO的测量值₂max)和最大心率(HRmax)检查肺量测定法的方法而是大世界K4b2 [2]。Katarzyna Emanuela相信研究运动员的人体测量特征有着悠久的历史,但没有评论艺术体操运动员的体型。从业人员和专业教练可以更好地理解理想的体格和高强度训练的影响,因为孩子们能来指导。本文旨在提供这些信息。所有男性韵律体操运动员的身体成分的研究包括在内。我们确定了19个研究,评估男性体操运动员的体型。我们发现年轻的体操运动员(≤18岁)以上的体操运动员(> 18岁)有高度的异质性在身体成分(1.6±0.3,5.4±0.8,3.0±0.6和1.8±0.4,5.9±0.6,2.2±0.4)(3]。这些研究为本文提供很多参考,但由于样本数据不足,有一个小实验结果的偏差。

特征选择和开发是人类行为的中间和高阶段检测,这也是一个热的和困难的研究点。在这方面,人体运动识别是一个过程相关的视频或图片的选择合适的特征能够有效地描述人类行为。特征提取是一个完整的人类行为识别系统不可缺少的一部分。不仅是相关的后续动作识别的精度和速度,而且会影响行为分类的性能。结合网络通信和身体轮廓特征提取的图像总结生成,图像内容的问题和答案,和video-oriented行为识别模型,以其卓越的图像特征提取方法,也取得了很好的分割结果在人体轮廓提取。

2。体操运动的迹象

2.1。形状轮廓提取

人体轮廓提取在计算机视觉领域占有重要位置,它的核心技术是人体检测和人类行为的认可。人类的轮廓提取技术是目前广泛应用于智能监控、医疗、等领域(4,5]。虚拟人体模型的重建是一个关键的技术在现代医学可视化系统。人类轮廓的准确收集信息可以确保一个合理的医学分析病人的症状。另一方面,加强个人和公共财产安全的要求在现代社会,智能监控系统的利用率逐渐增加。智能视频监控技术的核心任务是处理提供的信息通过计算机视觉监控录像,识别和理解的行为在屏幕,自动跟踪和评估目标,预测会发生什么(6]。智能监控系统关键技术支持,人类的轮廓撤军可以准确地提供人体的位置和轮廓信息在屏幕上,人类的跟踪和识别行为而无需人工干预,实现智能视频监控的目的。

人类轮廓提取的问题不同于人体检测。轮廓提取需要了解图像特性的基础上,认识到人体,从而达到准确分割的人类的轮廓。因此,人体轮廓提取是一个更困难的图像分割问题来源于人体检测问题。在先前的研究中,实际情况往往是受一些因素影响,不能实现预期的结果。这些因素包括以下几点:(1)多样性的人类外表的信息。最直观的观点,人类有别于普通生物的多样性外观信息,这是反映在姿势和服装的变化。不同的人有不同的高度和身体类型和他们的行为和姿势在不同环境中也很不同7]。如图1未成年男孩穿着运动服装的外观信息踢足球和一个女人与一个推车走似乎毫无共同之处。很难提取共同的特征建模时这样的目标,所以外观的多样性信息提取的难度增加人类的轮廓在一定程度上。(2)背景干扰。人体通常是在更复杂的环境中,所以背景干扰是一个不容忽视的问题。当人体接近的颜色背景颜色、轮廓边界可能不清楚当提取,或人体可能判断为背景导致漏检;同时,树桩,邮箱和其他对象,接近人体的形状的背景往往是错误的。它作为一个人体评判,这大大增加错误检测的可能性(8]。在图所示的背景干扰2。(3)遮挡和相互遮挡。在日常生活中,人类身体的位置和姿态通常是移动和改变,所以遮挡和相互遮挡不罕见9]。例如,打电话的行为可能导致手臂覆盖的一部分头和躯干的上部,形成遮挡;有通常情况下相互遮挡的人群。一个人的躯干可能被另一个人的怀里。这个人的肩膀可以覆盖另一个人的头;此外,人体也可能部分或完全被对象(如车辆、电线杆、树木。目前,许多学者进行了研究阻塞的问题,但是他们还没有想出一个非常有效的解决方案。(4)视角和光照变化。研究人体轮廓提取人体必不可少的观察,和观察角度和视角的差异将直接影响人体特征的识别结果。人体结构出现在前面,后面,和侧面是完全不同的,所以提取的特征也不同(10]。另一方面,不同光照条件也会影响特征提取的影响。特征提取,同一个人在不同的光线条件下会有所不同,而且在大多数情况下会有阴影。这些问题将会影响到人体的轮廓。

人类的提取分析方法分为静态和动态动画提取。移动对象的轮廓提取是实现主要是通过背景模型。一个移动的物体的轮廓信息可以通过使用访问等方法减少背景,然后选择模板映射。这部分属于人体的轮廓(11,12]。特性学习基础是应用最广泛的方法,近年来图像目标检测。这些方法的想法是先拿起指定特性的目标,然后迭代训练功能来生成一个分类器,提取和检测到的图像经过分类后,申请人可以创建的识别结果。

2.2。特征提取方法

近年来,机器学习已经成为人工智能领域的核心技术研究。人类学习知识的不断学习,所以学习是人类社会的发展的一个关键技能(13]。机器学习是让机器(计算机)来模拟人类的学习功能。它是一门学科,研究如何通过机器来模拟或实现人类的学习活动,获得知识和技能来改善系统性能。这个课题是结合多个学科如概率、统计、微积分,所以它可能会考虑更多的情况和执行更复杂的计算。机器学习领域,属于同一类别模式识别,数理统计,数据分析,和其他学科。另一方面,出现一系列先进的学科如计算机视觉、语音识别、图像处理的结果是基本的机器学习和最先进技术的融合不是在这个领域14]。机器学习和人类大脑学习的过程如图3。

机器学习人类的思维方式,也有类似的过程,整个过程大致可以分为两个阶段。第一个阶段是总结经验和培养提供数据15,16]。历史经验的长期生活中占有非常重要的地位。通过历史经验,法律可以概括指导人类向前和预测未来。历史数据的机器学习是人类历史经验一样。作为一个数据集,它是反复迭代训练成一个数据模型,积聚了大量的“历史经验”17]。第二个阶段是生成和判断的新问题。人类有一个新问题时,他们会分析和比较新的问题的规则总结,预测这个问题的可能结果,法官的行为,他们是(18]。

人类行为识别是一个典型的应用程序基于统计模式识别技术(19,20.]。图4是一种人类行为建立识别系统的结构图。首先,原始视频序列预处理检测包含移动人体的二进制序列,然后进行特征选择和提取。最后,一个受过训练的分类器选择执行特征向量分类和识别,得到识别结果。

2.3。图像边缘特征提取

的轮廓形状边缘是最重要的特性之一。这些信息的功能分类和识别。它的面积是像素的灰度的变化。这些点的位置给图像轮廓。这些重要的区域是重要的特性数据我们需要边缘21,22]。我们需要找出这些特征条件下,提取它们,这些特性分析和计算,然后识别和判断。

边缘曲率的有限差分算法需要计算数学。叶边,设置曲率k;然后可以写成 。

需要边缘的曲率计算的有限差分算法在数学。的边缘 ,如果曲率是k,它可以写成

目标图像的预处理图像,有必要首先使用直角坐标系来表达质心坐标 :

在上面的两个公式,高度H宽度是W。当像素 图像, ,当像素 超出了形象, 。

在直角坐标系中, 意味着像素点,在极坐标系中, 意味着像素点。我们把目标图像的质心坐标的原点;然后极坐标的像素点坐标系统

在上面的公式中,质心的距离到某个点r,某一个点之间的夹角和质心点 ;然后质心点的转换公式如下:

在极坐标系统的最小值r是0,最大值为360。为了方便下面的计算,将原始图像设置为1/360,和的值是

在哪里代表某一像素的角度。表面积之间的区域是在极坐标下的最高和最低的山谷边缘曲线的峰值。 在哪里年代的面积是整个矩形区域,表示为

其中,曲线的高度最低的山谷 ;表面面积比

因为目前功能是不变的旋转,翻译,规模,等等,这也被称为不变的时刻。它可以准确地描述运动特征等移动目标的质心和对称性。假设f(x,y)是一种二维连续函数的定义和起源的时刻订单(p+问)是如以下公式所示:

其中,中心距的定义(p+问)顺序如下公式所示:

时刻的使用特性识别速度快,识别率更高更大的图像(23]。

3所示。实验和结果

3.1。运动人体的轮廓

让我们采取以下图片为例,提取图片中的人物的轮廓。原来的图片如图5。

首先,我们在原始图像进行去噪处理,然后进行二值化图6。

人体运动的特点是通过关键图像提取的获取人体运动的轮廓,如图7。

同样的运动同样的行动也是不同的对于不同的人来说,这是一个需要检测的类型采取行动建立一个速度阈值。运行操作基于速度特征的识别结果如表所示1。

视频剪辑的跳跃和弯曲的朱莉,莫尼卡,面包,和威廉从视频数据库被选作实验。旅行的中心问题的特征值的对象。图8展示了威廉的质心的变化特性。

实验选择跳的视频剪辑和弯曲的朱莉,莫尼卡,面包,和威廉在视频数据库为研究对象。的特征值移动目标的质心。图8展示了威廉的质心的变化特性。

从表可以看出2的重心阈值设置不同的角色不同,所以弯曲的动作可以更好的认识。在同一时间,只有一个功能可以识别行为,识别率不是特别高。

3.2。体操的特点

在这个体操运动,主运动包括从一只脚向前跳、双脚向前跳着,跳,手鼓掌,等。因为跳,跳的双脚直接在同一个地方,他们都是通过外围的宽度。是否发生了变化,他们可以被分类和识别。如果外切矩形的宽度不改变,这是一个跳。自单脚跳,双脚向前跳都是向前跳,比喻向前跳可分为根据是否外切矩形的高度增加。如果外切矩形的高度不增加,与一只脚向前跳。然而,上述单一特征方法不能取得良好的成果,和多个特性需要融合识别。轮廓提取原位起飞如图9。

我们将提取走路和跑步的速度特性,分别如图的更改10。

可以看出,步行运动的速度变化范围相对温和,和跑步运动的速度变化范围比较大。平均速度的变化范围是相对稳定的。同时,相同的操作不同的人的速度也不同,所以有必要检测行动通过设置速度阈值的类型。

我们选择四人的行动视频作为训练集,每个12视频帧的每个操作,输入样本的数量是432,每个样品的尺寸是12维度,剩下的216个样本作为测试集。实验步骤:首先,提取图像二维人体运动的训练样本。结合特征提取方法提取twelve-dimensional特征向量融合的运动特征和形状特征,构建一个支持向量机分类器之间的各种行为;然后使用相同的特征提取方法提取运动目标在测试样本。获得twelve-dimensional融合特征向量和输入到训练的分类器进行分类。识别结果如表所示3。

在所有动作的识别,识别率最低与双脚向前跳。最好的行动识别效果是弯腰,和识别率为100%。由于组内和组内的变化行为,期间将misrecognized相似关键帧的识别过程。运行的速度和质心特征和跳跃动作非常类似于步行。5.21%是公认的跑步和8.43%是公认的跳过。运行的识别率为83.86%,其中10.43%被认为是与一只脚向前跳。因为相同的行为不同的人之间的差异,尤其是对运行速度特性有很大的影响。双脚向前跳的识别效果是最差的,其中9.41%被认为是走路,6.75%认为是运行,5.56%被认为是与一只脚向前跳。错误率的最大的原因是,这些行为在某些关键帧有很大的相似之处。

因为周期性的行动,不同的行动在一些关键帧重叠。挥手的动作完全是公认的正确,因为它显示了低相似其他动画。单手和双手拍打拍打的检出率差别并不是很大,和有一个伟大的相似性在某些功能段。的平均识别率达到83.25%,这需要进一步改善。

4所示。讨论

4.1。移动目标检测

本文给出了一个综合的概述人类行为识别,分析国内外相关研究的现状,并进行相应的移动目标检测,研究人类行为特征选择和提取,人类行为分类和识别。首先,介绍了人体运动识别的背景和意义以及国内外发展现状,并总结了人体运动识别系统的一般过程,最后总结了本文的研究内容和每一章的内容安排。视频图像预处理部分是人体动作识别系统的基础。这一部分主要介绍了基本的图像预处理灰度、二值化技术和噪声去除方法,以及数学形态学计算方法(24]。

移动目标检测部分、基本目标探测算法如光流计算方法,帧间差分法和背景差分法进行了介绍和比较(25]。然后,单高斯模型法和混合高斯模型进行了总结,和一种改进的算法的基础上,提出了混合高斯背景模型。该算法结合背景差分法提取前景运动目标。在特征提取运动人体的一部分,主要提取运动特征和形状特征。自不同的动作有自己的特点,胡锦涛的时刻,质心,速度和其他运动特性,如密实度和形状特性,外切矩形的宽度和高度更改为不同的行为是提取特征向量,描述了移动目标。实验表明,提取的特征可以有效地描述人类活动。

运动识别的移动目标的一部分,一个径向基内核基于函数的支持向量机分类器是用来拍九种动作,包括杰克,pjump,单手波(wave1),或双手波(wave2)和弯曲(弯曲),步行(走),运行(运行),比喻向前跳转(跳过),双腿平行向前跳(跳),和跳转测试。结果表明,该算法可以有效地识别这些行为,但仍需要进一步的研究。实现一个简单的人体运动识别系统,介绍了系统的各个模块测试系统的有效性。结果表明,该系统可以实现的功能移动人体检测,特征选择和提取,动作分类和识别。

4.2。体操

通过测量体重、身体质量、营养状况和潜在的力量素质在一定程度上解释道。你也可以发现运动员的厚度、周长、长度、宽度、重量发展从侧面。同时,从运动生理学的角度来看,强度质量也密切相关的重量和体重的生理横截面肌肉重量成正比。要求运动员在比赛中对抗能力不少于其他运动员。在高级体操比赛,竞争强,耗时,需要更高的要求运动员的身体健康。适当的体重可以保护运动员的体力,帮助运动员达到良好的结果。现代体操的速度不断提高,更大的体重也会影响运动员的反应速度。

艺术素质分为一般艺术素质和特殊的艺术品质。一般的艺术性是一种各种艺术形式形成的认知能力和表现能力的培训和训练个人的先天遗传的基本能力。这种能力是知识的艺术水平和内在修养美学的基础上显示。特殊品质是指人的基本素质之一,从事艺术或其他行业,因为对艺术的需求。特殊的内容质量的主要随不同的艺术品质。

艺术性是包含在质量。这是一个教育高于其他品质,也是每个人都应该拥有的一种能力。创作的艺术性可以表示一个特定的艺术形式,它还可以表达自己的艺术形式和能力。我们还可以提高自己的艺术质量通过各种艺术活动。生活的氛围也影响艺术质量的关键因素。艺术质量包括人类自己的艺术体验,生活经验,创造性的理解社会和自然的事情。

艺术体操是一个艺术和体育的结合。这是一个项目,横跨两个主要领域的艺术和体育。最好也是体育项目,可以展示美丽的女性特征。艺术体操的生命力在于追求美丽。艺术体操艺术表现的主要是体现在身体的表达的方式。在成套动作,除了完成困难的肢体动作和设备动作,运动员也必须表达的内涵的成套动作。艺术体操成套的就像一件艺术品,需要仔细的制作的艺术家。在雕刻过程中,每一个细节的质量可能会影响工作的质量。

5。结论

由于体操的强大的专业性质,教练基本上是专业运动员退役。大多数教练缺乏艺术性的训练,当他们从事艺术体操训练,所以他们自然会忽视教学过程的正确性。培养运动员的艺术质量。人类行为识别,计算机视觉领域的一个重要的研究课题,是非常具有挑战性的。在这篇文章中,三个方面的移动目标检测,特征选择和提取,动作分类和识别研究。尽管许多人体运动识别算法提出了,他们需要进一步提高当应用到现实生活中。特征提取人体运动识别是最重要的一步。本文主要提取运动特征,如力矩特性,质心,速度,和形状特性,比如密实度,色散和外切矩形框的宽度和高度的变化从移动目标特征向量来描述人体的运动。因为人体是一个非刚性的身体,它的运动变量和不确定。本文提取的特征仍不能描述人类的动作完美,所以特征选择和提取也是未来研究的重点。 At present, the domestic research is basically a single human action recognition. However, in actual scenes, the motions of moving targets are diverse and difficult to distinguish. It is still a huge challenge to accurately recognize the complex actions of multiple people.

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者认为没有利益冲突有关这篇文章的出版。

引用

1. h . Genc和a . e . Cigerci”体操训练对人体的影响,体型和一些性能特征在学前教育女孩,”营养的进展,22卷,不。2、547 - 554年,2020页。视图:出版商的网站|谷歌学术搜索
2. o . Kyselovičova j . Labudova e . Zemkova d .Čierna和m . Jeleň“人体测量和心血管变量的精英运动员,”Acta Facultatis Educationis Physicae数学Comenianae卷,56号2、143 - 158年,2016页。视图:出版商的网站|谷歌学术搜索
3. S.-P。Katarzyna和g . Emanuela”评价的体型在艺术体操竞争对手:meta-analytical方法,”《运动医学与身体健康卷,59号3、449 - 455年,2019页。视图:出版商的网站|谷歌学术搜索
4. a . Caspi r . Amiaz:戴维森et al .,“电脑评估身体形象的厌食症和暴食症:与标准化的身体形象评估工具,”女性的心理健康档案,20卷,不。1、1 - 9,2016页。视图:出版商的网站|谷歌学术搜索
5. a . Aslantas大肠Dandil、美国Saǧlam和m . Cakiroǧlu”CADBOSS:全身骨显像扫描的计算机辅助诊断系统,”与治疗癌症研究杂志》上,12卷,不。2、787 - 789年,2016页。视图:出版商的网站|谷歌学术搜索
6. m . j .盾和y元,“3 d人体特征识别算法基于骗健壮的特性,“北京服装技术学院学报(自然科学版),38卷,不。4,37-44,2018页。视图:谷歌学术搜索
7. 毛j·l . Wang, y, w .盛,“牙齿识别基于牙齿结构特性,”系统科学与控制工程,8卷,不。1,第533 - 521页,2020。视图:出版商的网站|谷歌学术搜索
8. 即柯奇士便因t . Szilagyi j . Turos a . Bako和a . Frigy“体操项目对睡眠的影响特点孕妇,“台湾产科学与妇科医学杂志》卷,56号2、204 - 209年,2017页。视图:出版商的网站|谷歌学术搜索
9. h .毛:智库,t .野村,“女子艺术体操的特点从“身体困难”和性能,体育教育的发展,卷07,不。3、260 - 273年,2017页。视图:谷歌学术搜索
10. n . i Sheiko”特点的自主神经系统功能状态的青少年瑜伽呼吸体操课程后,“公告的生物学和医学问题,3卷,不。152年,第220 - 218页,2019年。视图:出版商的网站|谷歌学术搜索
11. j . Zurc”,这是值得的,我会再做一次!:phenomenological perspectives on life in the elite women’s artistic gymnastics,”体操科学杂志,9卷,不。1,41-59,2017页。视图:谷歌学术搜索
12. p . i巴尔加斯和a . m . Capraro”的形象对男子竞技体操的学术生产网络科学斯高帕斯,”体操科学杂志,12卷,不。3、419 - 430年,2020页。视图:谷歌学术搜索
13. h .根,a . n .马歇尔撒切尔,a . r . s . Valier t . c . Valovich麦克劳德,和r . c .湾,“体育专业化和健康和功能任务性能青少年竞技体操运动员,”《体育训练,54卷,不。10日,1095 - 1104年,2019页。视图:出版商的网站|谷歌学术搜索
14. d . Madi m . Cvetkovi Popovi, d . Marinkovic d . Radanović和n . Trajković”影响学前教育发展体操运动健身的女孩,”呈文数学-系列:体育教育和体育,16卷,不。1,11到18门,2018页。视图:出版商的网站|谷歌学术搜索
15. f·科尔曼马马查多,m . m . Lessa c . a .蓝天曰本丰田和l·h·f·巴博萨,“光谱声直言不讳的老年妇女从事有氧运动的特点,“杂志上的声音,30卷,不。5,579 - 586年,2016页。视图:出版商的网站|谷歌学术搜索
16. b . w .小岛,a . Aisyah p . Purhadi和s . Andari”倾向得分匹配体操的糖尿病使用逻辑回归,”航会议论文集,卷1913,不。1,文章ID 20034, 2017。视图:出版商的网站|谷歌学术搜索
17. n . Kotaro h . Mikako、k . Fumihiko和m . Yoshiyuki”国际促进男性艺术体操:基于教练调度计划的考虑,“日本体育产业协会杂志》上,27卷,不。2,页2 _121 - 122 _133 2017。视图:谷歌学术搜索
18. m . Callejas-Cuervo j·l·Jaime-Gil和l . a . Monroy-Guerrero”平衡分析青少年基于运动捕捉的平台,”人类体育与运动》杂志上,15卷,不。3、723 - 734年,2020页。视图:出版商的网站|谷歌学术搜索
19. s . Temuri i Bayraktar, z . Nalbant”早期specializationren你们运动体操运动员和长期发展规划,“在线娱乐和体育杂志》上,9卷,不。4,仅8,2020页。视图:出版商的网站|谷歌学术搜索
20. 诉萨利赫,r . Afroundeh m . Siahkohiyan, a . Asadi“厌氧体操运动对血管内皮生长因子的影响在肥胖的男孩,”Paediatrica Indonesiana,60卷,不。6,293 - 302年,2020页。视图:出版商的网站|谷歌学术搜索
21. k . Lykhota o . Petrychenko诉Ardykutse l . Mykhailovska和a . Kutsiuk”治疗颞咬,咬合不正的言语障碍儿童通过myogymnastics和攻丝,”Balneo研究杂志,10卷,不。3、218 - 224年,2019页。视图:出版商的网站|谷歌学术搜索
22. r·a·曾和l·拉赫曼,”生物力学特征的分析萨尔托向前塞技能作为平衡木事件开始,埃及国家队球员在女子体操,”国际体育科学与艺术杂志》上,卷016,不。16日,21-47,2020页。视图:出版商的网站|谷歌学术搜索
23. m . Kritikou o . Donti g·c·博格达尼·d·阿纳斯塔西娅,和k . Theodorakou”与艺术表现的分数在青春期前艺术体操运动员,”体操科学杂志,9卷,不。2、165 - 177年,2017页。视图:谷歌学术搜索
24. Namasudra和p·罗伊,“PpBAC:普及云计算访问控制模型为基础,“组织和终端用户计算杂志》上,30卷,不。4,14-31,2018页。视图:出版商的网站|谷歌学术搜索
25. m . Elhoseny x元,h . k . El-Minir和a . m .利雅得,“使用遗传算法扩展自组织网络可用性,”第五届国际会议上计算的程序通信和网络技术合肥,中国,2014年7月。视图:谷歌学术搜索

版权

版权©2021 Haiyun王,现胡。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。