TY -的A2 Pelusi达尼洛非盟-陈,南盟——张,杨PY - 2022 DA - 2022/08/10 TI -高强度损伤识别模式基于深层神经网络的体育运动员SP - 2794225六世- 2022 AB -为了解决效率低的问题和损伤图像识别精度为体育运动员在高强度损伤的治疗,本文提出了一种基于深层神经网络损伤识别模式。在这篇文章中,运动损伤的形象转化为灰度,并造成伤害的轮廓提取图像中部分根据自适应阈值和数学形态学的结合。在这个模型中,选择种子点,使用活动轮廓近似初始轮廓,和获得的曲线拟合方法用于适应离散点来获取最后受损的轮廓。数字矩阵是由使用提取的数量的像素在受损的位置和相关信息。图片排列成特征向量长度为64的模式列连接。计算图像的整体平均向量。训练样本,计算结果和图像识别样本替换到欧几里得距离获得的初步识别结果受损的位置运动损伤的形象。然后,图像分割是实现集群。聚类分割结果用于颜色描述原始图像的像素分类,计算相对损伤面积比例的运动损伤图像,部分高强度运动损伤和损伤识别形象。实验结果表明,神经网络的识别率是80% - -100%,该方法的识别时间0 - 0.6 / s。 The above method can improve the accuracy of the recognition of the damaged part of the sports injury image and shorten the recognition time and has certain feasibility in determining the sports injury part. SN - 0161-0457 UR - https://doi.org/10.1155/2022/2794225 DO - 10.1155/2022/2794225 JF - Scanning PB - Hindawi KW - ER -