文摘

目前,健美操是成为一个受欢迎的时尚与文化的不断发展的需要。因为有氧运动的特点,许多动作,快速的变化,强烈的复杂性,和困难困难的运动性能,目前健美操教学仍然存在缺陷,如教学水平低,有限的教师资源和能源。因此,很难有效地满足学生的实际学习需求。基于这一点,可以使用人工智能模拟和指导健美操技术动作有效地教导学生。在这篇文章中,一个人工智能有氧运动图像仿真系统研发和GrabCut主要用于图像分割算法。在分析算法的一些缺点,GrabCut算法级联选择和基于完成优化,从而奠定良好的制度基础,然后构建健美操人工智能图像仿真系统根据算法的基础。最后,它的实际问题分析和研究高校健美操教学活动和关注的问题,成就,和个人满足感的学生使用该系统在实际学习中,证明该系统可以有效地协助健美操教学活动。通过研究图像分割算法和人工智能技术,本文运用健美操动作图像仿真领域,以促进其技术发展。

1。介绍

在1980年代早期,健美操成为受欢迎世界各地与全球健身热潮,因为它强大的生命力。北京成功申办2008年奥运会极大地影响全民健身意识,和越来越多的人参加体育活动1]。有氧运动是中国十大最受欢迎的“全民健身”运动。它不仅有独特魅力的运动,还可以帮助人们保持自己和追求的精神。它是一项时尚的运动,被人喜欢2]。在现代社会,由于环境原因和各种其他因素,人们的生活水平提高。有氧运动被广泛重视的人由于其许多优点和实用性和吸引各个年龄段的爱好者参与,形成一个大规模的忠诚的消费者团体(3]。各种媒体借此机会产生,促进aerobics-themed电视节目,从而获得足够的评级。有氧运动可以在各种各样的环境中,执行和使用场所有一定的集体性质,所以它提供了各种各样的企业广告的机会。健美操是深受许多公司(4,5]。然而,由于健美操技术动作的复杂性和专业性,普通人常常面临不同的情况下的学习过程。因此,重要的是要执行图像模拟的健美操运动过程,可以实现使用人工智能和图像分割算法。基于计算机技术的图像仿真已经完全改变了相机成像过程。它可以研究每个成像链接对成像结果的影响,定性或定量描述了测量系统的综合性能。这可以帮助我们理解许多因素影响系统性能。它还提供了数据支持系统的参数优化和设计模块。此外,本文还设计了一种虚拟实验平台,可以节省大量成本与现场试验相比,和提供了一个分析方法,形成相关策略来进一步提高实际的成像系统。本文研究了人工智能健美操动作图像仿真系统,介绍了图像分割的原理和优化算法,人工智能健美操动作的图像仿真设计,和有氧运动锻炼行为图像,介绍了仿真应用的效果。最后,系统评价,发现该系统能有效地帮助教师在健美操教学。

2。相关工作

播送的文献提出了一种图象遥感目标检测算法,它是基于YOLO的传统意思高斯卷积神经网络模型。本文首先分析了目标图像检测算法,详细解释了YOLO卷积神经网络,意思总结了这些算法的优点和缺点,和解决问题,如候选帧精度的缺陷,基于该算法优化(6,7]。文献提出了一种对视频目标跟踪算法,multifeature融合的特点,可以过滤目标视频识别目标特性。文献提出了一种融合目标跟踪算法,可以模拟基于CN特性。猪和LBP特征模拟,实验旨在证明融合算法的优越性,然后选择最优参数(8]。仿真结果表明,优化的目标检测算法可以有效地改善其跟踪精度。然而,由于部分尺寸的增加,算法的复杂性稍有增加,从而达到一定的优化效果(9]。文献使用传递函数方法来解释图像模拟的基本理论,然后分析的基础上的物理图像相机的原理,从调制传递函数的角度,建立了空间过滤效果的数学模型(10]。每个sublink相机成像的研究环节,重点分析了模型参数的变化对成像结果。文献建立了相应的计算仿真模型,每个模型,实现了图形建模的每个模块仿真软件平台,并完成设计和参数设置的输入和输出端口11]。基于模型库的建立,目标的成像系统测量相机和空间测量相机成像系统基于地球的大气层后台开发,分别,然后成像仿真模型的正确性验证(12]。

3所示。图像分割的原理和优化算法

3.1。传统的图像分割算法的原理

图像的像素值向量组成的N像素是Z(Z1,Z2,Z3、…、锌),像素值可以是灰度值或RGB值。这幅图像的分割是由一个面具向量表示。一般来说,确定的值掩码向量优化问题的解决方案,即,x是下面的优化问题的解决方案:

一般来说,目标函数f(一个)是分割的成本函数。

目标函数f(一个)GrabCut分割算法是一个能量函数,它由两部分组成:一个是数据元素的能量,另一种是平滑的能量。

为了给特定的能量函数的数学表达式,相对应的s - t网络图形象首次引入,如图1:

图1显示了一个s - t网络图的示意图。的总和t链接边叫做平滑项的能量,用 ;的总和”n链接”边称为能源数据项,用U。能量的加权平均数据项和能源平滑项称为图的能量。

定义矩阵:

(2)

然后,定义GMM模型参数集矩阵Ѳ如下:

让U数据对象的能量,即。,the edge weight between the pixel and the source and sink points of the s-t grid; then,U可以表示如下:

的表达D(一个_我, , )如下: 在哪里()的概率密度函数是高斯函数模型。进一步计算得到如下:

让C是一个像素的邻域(通常4个社区或8个社区),和让是光滑的能量项,也就是说,每个像素边缘之间的重量在s - t网络可以表示如下: 在哪里m和n像素的位置和吗δ_阿曼是离散的δ功能:

的参数β有以下表现:

吉布斯能量E图像的定义如下: Υ系数大于0,代表平滑项的重量。

3.2。改进的图像分割算法

针对GrabCut分割的缺陷,提出了一种基于图论的分割算法+ GrabCut,这提高了分割性能。算法的具体流程如图2。

优化GrabCut算法的具体步骤如下:(1)对输入图像执行基于区域分割,保持细分标签,并计算分割结果。(2)多多互动,开始掩模图和修改面具根据步骤1的结果。每个标签的规模在图论部分,定义用户的矩形区域l_我;然后, 在哪里R_我标记的像素的数量吗我的矩形,年代_我标记的像素的数量吗我在整个图像n是矩形中的所有注释的数量。如果l_我小于某个阈值,那么这就意味着这个地区大部分的像素分布矩形外框,所以改变这个地区的面具地图很容易分割。(3)GrabCut分割在图像上执行判断分割的效果。

3.3。图像分割结果的分析

在数据点竞争算法,数据点集合可以被定义为第一的总和r数据点的最大相似性和聚合能量可以用来确定数据点竞争的结果。相对能量越小,越有可能成为一个类的成员。数据点竞争聚类算法进行聚类根据定义的聚合能量数据相似矩阵来获取最终的图像分割结果。有氧运动的图像分割结果如图3。

优化的杰森Nano模型部署测试。的准确性和实时性PR_Yolact之前和之后使用TensorRT进行了比较。同时,TensorRT-based模型推理加速和比较操作精度与不同的优化精度的测试集和测试视频。推理加速度控制的实验结果如表所示1。

从表可以看出1,最初Yolact网络模型不是很好识别时间和准确性。在准确性方面,地图的变化在设备端和PC端是相同的,但延迟速度是非常不同的。同时,不同的FPS模型之间的数据类型的影响也是显而易见的。可以看出PR_Yolact模型相比,该fp32-optimized half-precision TensorRT模型增加了FPS的2.65倍。与Yolact模型相比,FPS half-precision网络的混合fp32模型是提高到2.70。与表中的硬度Yolact模型相比,TensorRT fp16地图加速TensorRT推理时失去了4%,但提高了帧速率3.3 x。相比TensorRT fp32, TensorRT fp16优化结构损失,最高达到56.74和34.38,分别在FPS增加到2.70,最低转换模型参数,基本上满足预期设计指标。

4所示。人工智能健美操动作图像仿真设计

4.1。图像模拟过程

仿真计算必须使用的输入条件,计算,输出正确的模拟图像根据像素方程。实现的目标快速逐帧计算,需要依靠GPU(图形处理器)的编程技术。

根据计算顺序和逻辑结构,GPU编程单元分为顶点处理器和片段处理器。其中,顶点处理器首先将三维模型:将顶级网格数据的三维模型模型坐标系到世界坐标系,然后将其转换为观察坐标系的位置。这个过程是基于相机视图的方向表面,最后通过步骤如平截头体剪切被映射到屏幕坐标系统;片段处理器首先计算像素方程:首先通常需顶点处理器的输出数据获取二维数据在屏幕空间,然后输入纹理单元的坐标和模拟输入。数据被替换成像素方程计算,最后,模拟输出图像像素的像素。在GPU编程语言,可以使用Cg写节点和片段处理程序执行灰度计算目标背景图像。合成器技术所需的后向散射、噪音和MTF的影响模式网格山峰很难确定。从本质上讲,合成器技术仍然使用Cg语言,但它属于图像后处理操作,也就是说,渲染完成后在图像输出之前,再次使用片段处理器执行操作,如灰度叠加和卷积。

如图4在健美操运动的模拟计算,首先,顶点处理器发送健美操运动图像的顶点坐标网格的片段处理器,如因素和网格顶点位置,计算健美操运动图像和环境光双向片段处理器;然后,根据像素方程健美操动作的图像,计算图像的灰度像素的像素在GPU上;最后,根据后向散射像素方程,噪音等于能源和MTF卷积内核和post添加一个合成器散射,噪音,和MTF的影响健美操运动和输出的图形仿真。

4.2。健美操动作的设计图像仿真模块库

一个更强大的模块是建立基于仿真软件的模块,相当于仿真系统的一个子系统。通过封装这个子系统,可以获得一个用户定义的功能模块。本文中所开发的模块库主要是基于现有的仿真软件模块库和少量的用户定义函数模块构建的功能年代。当前模块库如下:(1)创建分析模块根据用户的需求和使用情况,并确定模块的功能、名称、输入和输出接口和内部参数。(2)根据模块的函数,建立一个数学模型,分析模型的数据流,并建立一个计算模型对应的数学模型。(3)计算模型转换为一个仿真软件模型根据数据流的方向。具体操作如下:打开模型,首先创建一个mdl文件,然后拖到mdl文件所需的模块,连接模块和连接线路,并获取相对应的仿真软件模型的数学模型。(4)执行标准模块封装、和洞穴参数名称,显示图标,背景颜色,等等。

坐标变换模块组通常分为基本协调更改模块群健美操动作的镜头和普通坐标变化模块组。坐标系统转换时,这组模块的主要功能是翻译和旋转点或空间矢量根据转换后的值,如图5。

这群电子电路滤波器模块包括CCD电荷转移模块、低通滤波器模块,高通滤波器模块,和高频提升模块,用于模拟空间信号调制的影响。它建立了基于公式的数学模型,如表所示2。列出所有电子电路滤波器参数设置模块。

运动平台模块组由直线运动模块、高频轴向运动模块、垂直轴高频运动模块,低频轴向运动模块、垂直轴低频率,和随机模块。他们是用来模拟由于平台运动模糊的图像。它主要是基于数学模型的公式。表3列出所有平台运动滤波模块的参数设置。

4.3。实验环境建设

现场管理层的目的是创建和管理动态三维场景实时渲染。现场应包括目标背景元素和相机。通过整合目标背景,控制相机窗口,和计算模拟图像,任何空间位置可以动态的仿真结果输出。

本节主要取决于环境配置的食人魔三维图像渲染引擎和图像仿真平台。其中,怪物是一个开源multi-GUI 3 d渲染引擎,实现了Direct3D的核心封装和OpenGL,支持Cg语言合成器技术,只有公开了一个易于使用的API(应用程序编程接口)。使用c++编程语言调用API,可以实现实时交互和数据计算,模拟图像可以动态生成的屏幕空间。此外,仿真平台的操作取决于环境的合理配置。配置用于开发如表所示4。约为120帧,测量频率可以稳定输出是光滑的。

4.4。健美操动作的质量评价图像模拟

评估模拟图像的质量可以直接确定当前系统的成像性能,也可以为进一步的系统设计和优化提供方向。在本节中,物理效应模型和模拟图像综合应用。通过控制检测条件和形象效应,研究了图像模糊的程度,目标和背景,信噪比,和作用距离和影响比较,影响因素和系统性能评价图在每个索引。由于大量的参数,默认输入数据选择在本节只解释说当数据被替换。

有许多因素影响程度的图像模糊,可量化输入忠诚。如果图像尺寸N×米,f_年代(我,我)是模拟图像像素的灰度,和f(我,我)是由模糊变清晰后图像的灰度像素;富达的公式如下:

忠诚是越接近1,图像相似度和更清晰的模拟图像。

目标的背景对比主要影响目标的探测和识别的背景。对比度越高,更清晰的目标。健美操动作的图像成像系统,后台可分为地面物体的背景和天空背景。图像的灰度作为参数时,指的是相对的概念之下,本文定义了目标背景对比如下:

公式,Grayt目标区域的平均灰度,和Grayb的平均灰度背景在一个较小的区域外的目标轮廓。

5。健美操动作图像模拟的效果

5.1。健美操教学的现状分析

从结果表5,它可以从学生的角度来看,传统的健美操教学最明显的缺点是太机械,教学,很难提高学生的学习兴趣,占54.8%。39.1%的人有不同的理解由于不同角度的技术动作。因为他们知道自己比他人,学生很少了解教师对健美操教学的影响和同样的原则也适用于教师。从老师的角度来看,58.9%的教师认为,在传统的教学方法中,非标准老师的示范行为影响了教学质量。52.6%的教师认为,教师在课堂上表现影响教学的质量。随着年龄的增加,他们的身体素质逐渐下降。在教学中,有很多运动可能不会完全实现和演示不到位,从而影响学生的运动技能的学习;31.6%的教师提到教师专业技能影响教学质量。在健美操教学过程中有多个健美操教师在同一时间。然而,由于不同风格的有氧运动,老师擅长不同的风格。 In teaching, they prefer their own teaching style. Some teachers may not change their teaching style for many years. The main disadvantage of the traditional teaching mode is that the method of acquiring information and knowledge is relatively conservative, and it is not easy for students to learn. Statistical table of problems in the auxiliary teaching of aerobics system in a university is as shown in Table6。

比较表5与表6可以看出,在某所大学健美操教师和学生清楚地感受到多媒体辅助教学的优势和老师高于学生的比例。教师要注意学生的学习情况和实际教学中使用多媒体设备。有许多任务,应该负责。因此,他们觉得不容易控制教室比传统的教学方法。37.9%的教师认为,教师不能熟练使用健美操教学辅助系统,影响了教学水平;29.5%的教师认为,教师未能适应当前教学模式,导致教学秩序的混乱。同样的,当学生看到老师不使用或不熟练使用设备,他们会认为教师教学能力差;41.1%的学生认为行动图像模拟的效果略低于真实的示范,从而影响学生的学习和理解能力。这是因为学生学习本身基于有氧运动系统。如果视频效果不好,如失败,模糊、不规则运动,和错误的教学方法,很容易引起误解或直接学习错误的行为,这将导致教学内容的学习。 The progress is slowed down, which affects the teaching progress; teachers not only teach students knowledge but also take the responsibility of educating students’ mental health. Therefore, some teachers (46.3%) still think that video feedback is useful for students to discover mistakes and correct themselves, but they are worried that doing so would affect their psychological level and students’ self-confidence, so they did not use video feedback for teaching. But if the students cannot face the facts correctly, is this a good form of education? Therefore, it is unscientific to refuse to use video feedback for teaching. Instead, students should understand what it means before using it and should have a good attitude to get more benefit from it. In addition, some students resist the aerobics system-assisted teaching because of poor teaching quality and their ability to learn and understand cannot keep up with most of their peers. Therefore, different levels of teaching are carried out according to their needs.

5.2。存在的问题在高校健美操的教学

5.2.1。一些老师有深厚的传统教学的概念

许多教师仍认为多媒体教学是远离他们通常使用的教学方法。现代教学强调以学生为主体,让学生独立,创新和个性化。教师的教学方法是很重要的,但更重要的是学生的教育13]。如果学习方法变得单调,学生负担的微妙的思想,这将减少学生的未来发展空间,这是一个不可持续的教学方法。如果没有计算机化、教学将很快成为过时。过时的概念,教师是一个潜在的大规模风险(14]。

5.2.2。有氧运动系统的生产和使用课件的水平在健美操理论类相对较低

健美操理论课程的生产中存在的问题主要是,课程范围广泛的来源,缺乏一个统一的方向和系统化的课程,这些课程由教师自己设计质量低,缺乏重点。有困难的内容,内容太多,教学方法单一,缺乏特色形象。有氧运动系统的优势没有得到充分利用,教材的内容只是复制过程中,和有氧运动系统就像一个投影仪(15]。在使用,因为速度太快,讲座内容太大,学生很难理解要点,不方便做笔记,从而影响到学习效果,都有一个特定影响复习效果和课外考试。一些教师的教学过程一样死板和机械吟诵经文(16]。结合在教室里昏暗的灯光,很容易使学生感到无聊和昏昏欲睡。随着时间的推移,学生感到无聊,失去了最初的兴趣和热情17]。

5.2.3。教师过于依赖健美操教学系统

由于健美操教学系统的许多优点,它已成为一个重要组成部分的体育教育教学方法,但在使用它的过程中,一些教师错误的理解有氧运动系统的教学,认为一个好的类应该使用有氧运动系统。许多教师盲目地依赖有氧运动系统技术,继续使用有氧运动系统技术,但不专注于提高自己的教学质量,因此,如果在类设备失败,教学将不会继续。

5.3。健美操动作形象的分析模拟

比较分析的准确性、流利,健美操运动的协调、表达实验类和控制类表所示7:

从数据分析表7,可以看出有一定的差距的运动精度设计实验类和控制类,实验组的成绩高于对照组。因此,在教学过程中添加一个视频反馈模式能有效提高学生运动的准确性。只有一个小的技术能力差距在实验组和对照组学生。前有一个协调的得分高于后者,和后者的大部分数据都在一个相对协调阶段。多媒体帮助有氧运动的实际教学可以有效地促进学生的发展协调身体素质。

如表所示8,结果女孩的实验班高于男生的实验班,但没有显著差异。

如表所示9,15%的健美操教师非常满意使用有氧运动系统教健美操实践课程,25%的教师比较满意,35%的健美操教师基本上是满意,15%的教师不满意,只有10%的教师表达了不满。从表中的数据,我们可以得出以下结论:多数健美操教师认为有必要使用有氧运动系统在健美操教学辅助类,它可以充分发挥有氧运动系统的优点,弥补传统的健美操教学的缺点。一些健美操教师落后的教育理念认为它是没有意义的,他们不满意的使用有氧运动体系,协助教学。

调查结果表10显示,40%的学生是非常满意的使用有氧运动系统辅助教学在健美操教学中,30%的学生相对满意,只有5%的学生不满意的健美操教学辅助系统。

5.4。健美操动作图像仿真的应用策略

(1)根据不同的教学阶段和不同的教学任务,我们掌握的时间和频率使用智能健美操动作仿真系统。(2)人们应该总结各种实验研究成果和创造一个全面和完整的理论系统的智能健美操运动仿真系统。(3)教师应及时调整教学计划,及时更新教学方法,找到最合适的教学方法根据每堂课的教学效果和学生的反馈。(4)智能健美操动作仿真系统的教学方法不仅培养学生模仿动作思维,还能帮助教师提高自己的教学水平。教师不仅要精通操作软件系统也应该自由地在教室里使用它,这是一个测试教师接受新事物的能力。因此,教师应该学习和提高自己的能力根据时代的要求。

6。结论

健美操是一项新兴的运动,结合体操、舞蹈和音乐。它有独特的创意和独特的节奏感和是一个有机结合的艺术和体育,健身,和美丽。有许多运动有氧运动,有助于提高运动的协调性和灵活性,但是自己的技术动作更加复杂。基于这一点,本文研究一种人工智能健美操动作图像仿真系统利用人工智能技术和图像分割算法,并使用图像仿真反馈健美操教学的一种新方法,它可以用来改善和调整健美操教学的运动要求。本文主要介绍了图像仿真和系统详细的设计和分析,提高了图像分割算法,优于传统GrabCut算法的分割精度,可以分裂。运动教学而言,该系统可以帮助学生接触到有氧运动能够有效地减少受伤的有氧运动。

数据可用性

使用的数据来支持本研究的发现可以从作者要求。

的利益冲突

作者宣称没有利益冲突。