CN114821818B - 基于智慧体育的动作数据分析方法及系统 - Google Patents
基于智慧体育的动作数据分析方法及系统 Download PDFInfo
- Publication number
- CN114821818B CN114821818B CN202210745615.1A CN202210745615A CN114821818B CN 114821818 B CN114821818 B CN 114821818B CN 202210745615 A CN202210745615 A CN 202210745615A CN 114821818 B CN114821818 B CN 114821818B
- Authority
- CN
- China
- Prior art keywords
- action
- normative
- sports
- conclusion
- posture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 230000033001 locomotion Effects 0.000 title claims description 322
- 230000009471 action Effects 0.000 claims abstract description 738
- 238000001514 detection method Methods 0.000 claims abstract description 91
- 238000012545 processing Methods 0.000 claims description 47
- 238000005065 mining Methods 0.000 claims description 42
- 238000011156 evaluation Methods 0.000 claims description 23
- 238000013139 quantization Methods 0.000 claims description 19
- 238000011158 quantitative evaluation Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 19
- 230000002159 abnormal effect Effects 0.000 abstract description 13
- 238000012937 correction Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 81
- 230000008569 process Effects 0.000 description 19
- 241000270708 Testudinidae Species 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 241000610761 Psathyrotes Species 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000000386 athletic effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Physical Education & Sports Medicine (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明提供的基于智慧体育的动作数据分析方法及系统,利用对存在动作规范性结论标识注释异常的体育动作姿态信息进行针对性的动作规范性识别的思路,提高目标对象姿态检测记录中体育动作姿态信息的精度和可信因子,避免异常体育动作姿态信息造成的分析偏差,不仅可以基于完成优化的目标对象姿态检测记录进行高质量的AI模型调试,还可以基于完成优化的目标对象姿态检测记录进行指导性的体育动作校正和教学。
Description
技术领域
本发明涉及智慧体育与数据分析处理技术领域,特别涉及一种基于智慧体育的动作数据分析方法及系统。
背景技术
随着科技的发展,体育教育也逐渐向数字化和智能化方向发展。智能手环、智能眼镜、可穿戴装备、智能跑鞋等受到追捧,产业规模逐渐升级。随着智能可穿戴装备产品应用、健康大数据搭建、VR技术在体育领域的不断探索与应用,科技创新与体育发展不断融合,智慧体育的概念应运而生。尤其是通过物联网技术的应用,为体育发展提供了全新的想象空间。当下,体育动作的规范性分析和识别是智慧体育的其中一个重要分支,然而相关技术难以高质量地结合AI技术实现体育动作数据的规范性分析处理。
发明内容
为改善相关技术中存在的技术问题,本发明提供了一种基于智慧体育的动作数据分析方法及系统。
第一方面,本发明实施例提供了一种基于智慧体育的动作数据分析方法,应用于智慧体育数字服务系统,所述方法至少包括:就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语,其中,每个体育动作姿态信息对应一个已经完成注释的动作规范性结论标识;对于所述目标对象姿态检测记录中任意一个目标体育动作姿态信息,结合所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子;结合所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件;在所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件的前提下,对所述目标体育动作姿态信息进行动作规范性识别。
应用于上述实施例,在对目标对象姿态检测记录进行进一步分析之前,可以利用目标对象姿态检测记录中任意一个目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,判断体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,从而对存在动作规范性结论标识注释异常的体育动作姿态信息进行针对性的动作规范性识别,以实现对目标对象姿态检测记录的优化,利用对存在动作规范性结论标识注释异常的体育动作姿态信息进行针对性的动作规范性识别的思路,提高目标对象姿态检测记录中体育动作姿态信息的精度和可信因子,避免异常体育动作姿态信息造成的分析偏差,不仅可以基于完成优化的目标对象姿态检测记录进行高质量的AI模型调试,还可以基于完成优化的目标对象姿态检测记录进行指导性的体育动作校正和教学。
对于一些可能的实施例而言,所述方法还包括:利用已完成调试的动作姿态细节挖掘网络分别对每个体育动作姿态信息进行动作姿态细节挖掘,得到每个体育动作姿态信息的动作姿态细节知识短语,其中,所述动作姿态细节挖掘网络利用多组已认证体育动作姿态信息分组调试所得,同一组内的已认证体育动作姿态信息的动作规范性结论标识一致,不同组间的已认证体育动作姿态信息的动作规范性结论标识存在差异。
应用于上述实施例,利用添加了不同动作规范性结论标识的已认证体育动作姿态信息对动作姿态细节挖掘网络进行分组调试,有助于减少动作姿态细节挖掘网络在调试的过程中出现的调试误差,使得调试得到的动作姿态细节挖掘网络具有区分并挖掘各种不同动作规范性结论标识下的动作姿态细节的性能,提高动作姿态细节挖掘网络的挖掘精度和抗干扰性,从而确保挖掘得到的动作姿态细节知识短语的精度。
对于一些可能的实施例而言,所述方法还包括:确定每个动作规范性结论标识对应的体育动作姿态信息;根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,分别确定每个动作规范性结论标识对应的目标量化评价值;所述结合所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,包括:根据每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
应用于上述实施例,可以根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,可以得到每个动作规范性结论标识对应的目标量化评价值,从而得到目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,以便后续利用目标体育动作姿态信息对于每个动作规范性结论标识的可信因子判断目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,这样能够基于量化处理思路减少运算资源开销,提高信息分析效率。
对于一些可能的实施例而言,所述根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,分别确定每个动作规范性结论标识对应的目标量化评价值,包括:确定每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语中的若干个指定动作规范指标;对于每个动作规范性结论标识,结合所述动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语中在每个指定动作规范指标下的指标评分数据和所述若干个指定动作规范指标,确定所述动作规范性结论标识在每个指定动作规范指标下的动作规范权重;基于所述动作规范性结论标识在每个指定动作规范指标下的动作规范权重和所述若干个指定动作规范指标,确定所述动作规范性结论标识对应的目标量化评价值。
应用于上述实施例,可以先分别确定动作规范性结论标识在每个指定动作规范指标下的动作规范权重,然后全面确定动作规范性结论标识对应的目标量化评价值,确定所得的动作规范性结论标识对应的目标量化评价值的挖掘精度和抗干扰性。
对于一些可能的实施例而言,所述根据每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,包括:对每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语进行相关性系数确定,得到所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数;依据所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数,对所述目标体育动作姿态信息与每个动作规范性结论标识进行线性转换处理,得到所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
应用于上述实施例,根据每个动作规范性结论标识对应的目标量化评价值和目标体育动作姿态信息的动作姿态细节知识短语,确定目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数,从而确定目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,改善约束区间存在差异的相关性系数难以进行比对分析的缺陷,利用线性转换处理的思路将约束区间存在差异的相关性系数进行统一处理,确保目标体育动作姿态信息对于每个动作规范性结论标识的可信因子的精度和可靠性,尽可能保障可信因子的使用质量。
对于一些可能的实施例而言,所述可信因子包括第一可信因子和第二可信因子,所述第一可信因子为所述目标体育动作姿态信息对于所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识的可信因子,所述第二可信因子为所述目标体育动作姿态信息对于若干个动作规范性结论标识中除所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识之外的剩余动作规范性结论标识的可信因子;所述结合所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,包括:在所述第一可信因子没有超过预设可信因子判定值、并且存在至少一个所述第二可信因子大于所述预设可信因子判定值的前提下,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件。
应用于上述实施例,在目标体育动作姿态信息对于所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识的第一可信因子没有超过预设可信因子判定值,并且存在至少一个目标体育动作姿态信息对于若干个动作规范性结论标识中除所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识之外的剩余动作规范性结论标识的第二可信因子大于预设可信因子判定值的前提下,此时与所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识相比,所述目标体育动作姿态信息对于剩余动作规范性结论标识的可信因子更高,因此可以视作当前所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件,确保动作规范性结论标识的核对精度,提高信息分析时效性。
对于一些可能的实施例而言,在所述就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语之后,所述方法还包括:在动作规范性结论标识中确定目标动作规范性结论标识,其中,所述目标动作规范性结论标识对应至少两个候选体育动作姿态信息;根据每个候选体育动作姿态信息的动作姿态细节知识短语,确定其中两个候选体育动作姿态信息之间的姿态相关性系数;结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理。
应用于上述实施例,利用目标动作规范性结论标识对应的其中两个候选体育动作姿态信息之间的姿态相关性系数,可以将相关性系数高的其中两个候选体育动作姿态信息中的一个候选体育动作姿态信息从目标对象姿态检测记录中清洗,以实现对目标对象姿态检测记录的优化,从而降低目标对象姿态检测记录中不同动作规范性结论标识下体育动作姿态信息数的差别,尽可能减少调试过程中的信息分析的资源开销,提高后续的AI模型调试时效性和质量。
对于一些可能的实施例而言,所述在动作规范性结论标识中确定目标动作规范性结论标识,包括:逐一访问所述目标对象姿态检测记录中的体育动作姿态信息,确定每个动作规范性结论标识对应的体育动作姿态信息的数目;结合设定的姿态信息挑选数目,从动作规范性结论标识中确定出目标动作规范性结论标识,其中,所述目标动作规范性结论标识下对应的体育动作姿态信息的数目不小于所述姿态信息挑选数目。
应用于上述实施例,将对应的体育动作姿态信息的数目不小于设定的姿态信息挑选数目的动作规范性结论标识作为需要进行动作姿态点云化处理的目标动作规范性结论标识,利用姿态信息挑选数目的配置,降低目标对象姿态检测记录中不同动作规范性结论标识下体育动作姿态信息数的差别,这样可以减少AI模型调试过程中出现误差的可能性。
对于一些可能的实施例而言,所述结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理,包括:对于所述其中两个候选体育动作姿态信息,在所述姿态相关性系数大于设定的相关性系数判定值的前提下,确定对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理。
应用于上述实施例,在两个候选体育动作姿态信息之间的相关性系数高于设定的相关性系数判定值的前提下,可以对两个候选体育动作姿态信息进行动作姿态点云化处理,可以提高候选体育动作姿态信息的精简化程度,从而提高后续调试处理的时效性。
对于一些可能的实施例而言,在所述结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理之后,所述方法包括:在确定对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理的前提下,将所述其中两个候选体育动作姿态信息中的一个候选体育动作姿态信息从所述目标对象姿态检测记录中清洗。
应用于上述实施例,在确定对两个候选体育动作姿态信息进行动作姿态点云化处理的前提下,可以将其中的一个候选体育动作姿态信息清洗,利用清洗高相关性系数的姿态信息的思路,降低目标对象姿态检测记录中不同动作规范性结论标识下体育动作姿态信息数的差别,尽可能减少调试过程中的信息分析的资源开销,保障调试时效性。
对于一些可能的实施例而言,所述方法还包括:将完成动作规范性识别后的所述目标对象姿态检测记录作为调试依据,对AI模型进行调试。
应用于上述实施例,对于完成动作规范性识别后的目标对象姿态检测记录,可以作为对AI模型进行调试的调试依据,尽可能减少调试过程中的信息分析的资源开销,保障调试时效性,提高AI模型的运行质量。
第二方面,本发明还提供了一种智慧体育数字服务系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述所述的方法。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是本发明实施例提供的一种智慧体育数字服务系统的硬件结构示意图。
图2是本发明实施例提供的一种基于智慧体育的动作数据分析方法的流程示意图。
图3是本发明实施例提供的一种基于智慧体育的动作数据分析方法的应用环境的通信架构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明实施例所提供的方法实施例可以在智慧体育数字服务系统、计算机设备或者类似的运算装置中执行。以运行在智慧体育数字服务系统上为例,图1是本发明实施例的实施一种基于智慧体育的动作数据分析方法的智慧体育数字服务系统的硬件结构框图。如图1所示,智慧体育数字服务系统10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述智慧体育数字服务系统还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述智慧体育数字服务系统的结构造成限定。例如,智慧体育数字服务系统10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种基于智慧体育的动作数据分析方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至智慧体育数字服务系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括智慧体育数字服务系统10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(RadioFrequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
基于此,请参阅图2,图2是本发明实施例所提供的一种基于智慧体育的动作数据分析方法的流程示意图,该方法应用于智慧体育数字服务系统,进一步可以包括以下内容描述的技术方案。
步骤201、就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语。
进一步地,每个体育动作姿态信息对应一个已经完成注释的动作规范性结论标识,而动作规范性结论标识可以理解为动作分类+动作是否规范的结论性标签,比如动作规范性结论标识可以是“引体向上+动作规范”、“俯卧撑+动作不规范”、“俯身划船+动作规范”等。
在本发明实施例中,在确定目标对象姿态检测记录的前提下,可以确定所述目标对象姿态检测记录中的若干个体育动作姿态信息(该体育动作姿态信息可以是体育动作姿态模型特征,比如各类体育动作的姿势状态信息),并从每个体育动作姿态信息中识别出对应的动作姿态细节知识短语(动作姿态细节知识短语可以理解为动作姿态特征或者动作姿态字段),并且确定每个体育动作姿态信息已经完成注释的动作规范性结论标识。进一步地,每个体育动作姿态信息已经完成注释的动作规范性结论标识可以是利用手动注释的思路,对所述体育动作姿态信息进行注释,也可以利用智能化处理规则(比如:AI技术)等进行注释。
在另外的一些示例下,目标对象姿态检测记录可以理解为结合智慧体育数字服务系统对目标对象进行运动姿势检测所得到的一系列检测内容集合,同时,目标对象姿态检测记录还可以理解为待处理对象姿态检测记录。进一步地,目标对象姿态检测记录中的体育动作姿态信息比如可以是目标对象姿态检测记录中的目标对象的运动姿势、目标对象的运动状态等。动作姿态细节知识短语可以理解为运动状态特征信息。
在一些示例中,每个体育动作姿态信息对应一个已经完成注释的动作规范性结论标识,在另一些示例中,每个体育动作姿态信息也可以对应若干个已经完成注释的动作规范性结论标识,在体育动作姿态信息对应若干个已经完成注释的动作规范性结论标识前提下,可以逐一对于每个动作规范性结论标识进行评判。
可以理解的是,为了在之后进行网络调试时削弱体育动作姿态信息中冗余信息的影响,在以上智慧体育数字服务系统获取到的体育动作姿态信息之后,可以对获取到的体育动作姿态信息进行拆解和划分操作,使得体育动作姿态信息中只涵盖单个体育运动项目。鉴于体育动作姿态信息中只涵盖单个体育运动项目,因此体育动作姿态信息对应一个已经完成注释的动作规范性结论标识。进一步的,在体育动作姿态信息中包括若干个体育运动项目的前提下,体育动作姿态信息对应若干个已经完成注释的动作规范性结论标识。
可以理解的是,本发明实施例可以利用AI模型、动作姿态细节挖掘网络、智能化处理规则等思路,从每个体育动作姿态信息中识别出对应的动作姿态细节知识短语。
在一些可能的实施例中,在结合动作姿态细节挖掘网络识别出对应的动作姿态细节知识短语的前提下,对于目标对象姿态检测记录中的若干个体育动作姿态信息,为了确定每个体育动作姿态信息的动作姿态细节知识短语,对于一些可能的实施例而言,所述方法还可以包括如下技术方案:利用已完成调试的动作姿态细节挖掘网络分别对每个体育动作姿态信息进行动作姿态细节挖掘,得到每个体育动作姿态信息的动作姿态细节知识短语。
进一步地,所述动作姿态细节挖掘网络利用多组已认证体育动作姿态信息分组调试所得,同一组内的已认证体育动作姿态信息的动作规范性结论标识一致,不同组间的已认证体育动作姿态信息的动作规范性结论标识存在差异,另外,存在差异的已认证体育动作姿态信息,所对应的动作规范性结论标识可能保持一致,也可能不一致。另外,动作姿态细节挖掘网络可以理解为动作特征提取模块,其网络结构可以是CNN或者RNN,也可以是其他类型的神经网络。
在本发明实施例中,可以获取已完成调试的动作姿态细节挖掘网络,而利用分组调试的思路获取动作姿态细节挖掘网络,有助于减少动作姿态细节挖掘网络在调试的过程中受到噪声干扰,然后将所述若干个体育动作姿态信息加载至所述动作姿态细节挖掘网络,以利用所述动作姿态细节挖掘网络对所述若干个体育动作姿态信息进行动作姿态细节挖掘,得到每个体育动作姿态信息的动作姿态细节知识短语。
可以理解的是,所述体育动作姿态信息的动作姿态细节知识短语,可以利用不同的字段等表示所述体育动作姿态信息在类型、关键标签、约束信息等各维度的描述信息。
举例而言,对于体育动作姿态信息Action posture_a,其动作姿态细节知识短语可以表示体育动作姿态信息Action posture_a中包括手臂、肩膀的知识短语。
可以理解的是,被注释为相同动作规范性结论标识的若干个体育动作姿态信息,可以认为是对相同类别的体育运动项目确定获得的体育动作姿态信息。由此,为了确保所述动作姿态细节挖掘网络对每类体育运动项目的动作姿态细节挖掘性能,在调试所述动作姿态细节挖掘网络时,可以通过被注释不同动作规范性结论标识的已认证体育动作姿态信息逐一对动作姿态细节挖掘网络进行调试,每一轮调试仅通过注释有同一动作规范性结论标识的已认证体育动作姿态信息对动作姿态细节挖掘网络进行调试,以得到所述动作姿态细节挖掘网络;比如,对于注释有“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识以及“推举+耸肩”动作规范性结论标识的已认证体育动作姿态信息,对于第一轮调试,可以先使用注释有“硬拉+龟背”动作规范性结论标识的已认证体育动作姿态信息进行调试,对于第二轮调试,再使用注释有“深蹲+后背未夹紧”动作规范性结论标识的已认证体育动作姿态信息进行调试,对于第三轮调试,然后使用注释有“推举+耸肩”动作规范性结论标识的已认证体育动作姿态信息进行调试,从而调试得到动作姿态细节挖掘网络。
如此一来,利用添加了不同动作规范性结论标识的已认证体育动作姿态信息对动作姿态细节挖掘网络进行分组调试,有助于减少动作姿态细节挖掘网络在调试的过程中出现的调试误差,使得调试得到的动作姿态细节挖掘网络具有区分并挖掘各种不同动作规范性结论标识下的动作姿态细节的性能,提高动作姿态细节挖掘网络的挖掘精度和抗干扰性,从而确保挖掘得到的动作姿态细节知识短语的精度。
举例而言,如果所述目标对象姿态检测记录中的体育动作姿态信息是利用姿态检测设备确定的,在完成注释后,每个体育动作姿态信息均被注释出对应的动作规范性结论标识,所以所述目标对象姿态检测记录中存在“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识以及“推举+耸肩”动作规范性结论标识,并且所述目标对象姿态检测记录中存在被注释“硬拉+龟背”动作规范性结论标识的体育动作姿态信息、被注释“深蹲+后背未夹紧”动作规范性结论标识的体育动作姿态信息以及被注释“推举+耸肩”动作规范性结论标识的体育动作姿态信息。
步骤202、对于所述目标对象姿态检测记录中任意一个目标体育动作姿态信息,结合所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
在本发明实施例中,在确定若干个动作规范性结论标识和每个体育动作姿态信息的动作姿态细节知识短语的前提下,对于所述目标对象姿态检测记录中任意一个目标体育动作姿态信息,可以基于所述目标体育动作姿态信息的动作姿态细节知识短语进行运算,以得到目标体育动作姿态信息对于每个动作规范性结论标识的可信因子(比如可以理解为置信度)。
进一步地,所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子为目标体育动作姿态信息属于每个动作规范性结论标识的权重。
结合上述内容,如果所述目标对象姿态检测记录中存在“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识以及“推举+耸肩”动作规范性结论标识,那么对于所述目标对象姿态检测记录中的每个体育动作姿态信息,可以分别确定该体育动作姿态信息对于“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识和“推举+耸肩”动作规范性结论标识的可信因子,即确定体育动作姿态信息分别属于“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识和“推举+耸肩”动作规范性结论标识的可信因子的大小。
可以理解的是,为了确定体育动作姿态信息对于每个动作规范性结论标识的可信因子,对于一些可能的实施例而言,所述方法还可以包括:确定每个动作规范性结论标识对应的体育动作姿态信息;根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,分别确定每个动作规范性结论标识对应的目标量化评价值。
进一步地,步骤202所记录的所述结合所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,可以包括如下内容:根据每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
在本发明实施例中,在确定所述目标对象姿态检测记录的前提下,对于若干个动作规范性结论标识和若干个体育动作姿态信息,可以先确定每个动作规范性结论标识对应的体育动作姿态信息,从而确定每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,对动作姿态细节知识短语取平均值,从而得到每个动作规范性结论标识所对应的体育动作姿态信息的目标量化评价值,即为所述动作规范性结论标识对应的目标量化评价值,然后根据每个动作规范性结论标识对应的目标量化评价值(比如可以理解为特征均值)和所述目标体育动作姿态信息的动作姿态细节知识短语进行运算,便能够得到所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
举例而言,如果所述目标对象姿态检测记录中存在“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识和“推举+耸肩”动作规范性结论标识,那么可以将所述目标对象姿态检测记录中的若干个体育动作姿态信息进行分组,可以得到对应于“硬拉+龟背”动作规范性结论标识的信息集、对应于“深蹲+后背未夹紧”动作规范性结论标识和对应于“推举+耸肩”动作规范性结论标识的信息集,然后分别对于对应于“硬拉+龟背”动作规范性结论标识的信息集、对应于“深蹲+后背未夹紧”动作规范性结论标识和对应于“推举+耸肩”动作规范性结论标识的信息集下的至少一个体育动作姿态信息的动作姿态细节知识短语确定均值,从而得到“硬拉+龟背”动作规范性结论标识对应的目标量化评价值、“深蹲+后背未夹紧”动作规范性结论标识对应的目标量化评价值和“推举+耸肩”动作规范性结论标识对应的目标量化评价值,对于每个体育动作姿态信息的动作姿态细节知识短语,可以分别确定得到每个体育动作姿态信息对于“硬拉+龟背”动作规范性结论标识的可信因子、对于“深蹲+后背未夹紧”动作规范性结论标识的可信因子和对于“推举+耸肩”动作规范性结论标识的可信因子。
如此一来,可以根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,以得到每个动作规范性结论标识对应的目标量化评价值,从而得到目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,以便之后利用目标体育动作姿态信息对于每个动作规范性结论标识的可信因子判断目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,这样能够基于量化处理思路减少运算资源开销,提高信息分析效率。
在实际实施时,每个体育动作姿态信息可以包括若干个层面,由此,每个体育动作姿态信息的动作姿态细节知识短语可以为若干个层面下的动作姿态细节知识短语,为了确定动作规范性结论标识的目标量化评价值,对于一些可能的实施例而言,所述根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,分别确定每个动作规范性结论标识对应的目标量化评价值,可以包括如下内容:确定每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语中的若干个指定动作规范指标;对于每个动作规范性结论标识,结合所述动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语中在每个指定动作规范指标下的指标评分数据和所述若干个指定动作规范指标,确定所述动作规范性结论标识在每个指定动作规范指标下的动作规范权重;基于所述动作规范性结论标识在每个指定动作规范指标下的动作规范权重和所述若干个指定动作规范指标,确定所述动作规范性结论标识对应的目标量化评价值。
在本发明实施例中,为了提高所述动作规范性结论标识对应的目标量化评价值的完整性,可以获取每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语中的若干个指定动作规范指标,对于所述动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语在每个指定动作规范指标(可以理解为预设的动作特征维度)下的指标评分数据(比如:特征值),综合确定所述动作规范性结论标识在每个指定动作规范指标下的动作规范权重(比如:特征维度均值),然后对于所述动作规范性结论标识在每个指定动作规范指标下的动作规范权重,可以确定所述动作规范性结论标识对应的目标量化评价值(特征均值)。
举例而言,在指定动作规范指标为8维的前提下,对于所述动作规范性结论标识下每个体育动作姿态信息的动作姿态细节知识短语,可以确定所述动作规范性结论标识下每个体育动作姿态信息的动作姿态细节知识短语中在8维中的每个指定动作规范指标下的指标评分数据,从而确定所述动作规范性结论标识在8维中的每个指定动作规范指标下的动作规范权重,进而加权得到所述动作规范性结论标识对应的目标量化评价值。
如此一来,可以先分别确定动作规范性结论标识在每个指定动作规范指标下的动作规范权重,然后全面确定动作规范性结论标识对应的目标量化评价值,确定所得的动作规范性结论标识对应的目标量化评价值的挖掘精度和抗干扰性。
可以理解的是,在确定每个动作规范性结论标识对应的目标量化评价值的前提下,为了确定目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,对于一些可能的实施例而言,所述根据每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,可以包括如下内容:对每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语进行相关性系数确定,得到所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数(比如可以理解为相似度);依据所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数,对所述目标体育动作姿态信息与每个动作规范性结论标识进行线性转换处理(比如逻辑回归操作),得到所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
在本发明实施例中,在确定每个动作规范性结论标识对应的目标量化评价值的前提下,可以对每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语进行相关性系数确定,从而确定所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数(可以理解为相似度),然后对于所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数可以进行线性转换处理(比如:逻辑回归操作),进而得到所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
进一步地,对于所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数,可以确定得到所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
可以理解的是,对于每个目标体育动作姿态信息,其与每个动作规范性结论标识之间的相关性系数的约束区间可以是不一致的,利用线性转换处理,可以将可信因子的范围设置成[0,1],利用同一评判标准来评判目标体育动作姿态信息分别属于每个动作规范性结论标识的可信因子的大小。
如此一来,根据每个动作规范性结论标识对应的目标量化评价值和目标体育动作姿态信息的动作姿态细节知识短语,确定目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数,从而确定目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,改善约束区间存在差异的相关性系数难以进行比对分析的缺陷,利用线性转换处理的思路将约束区间存在差异的相关性系数进行统一处理,确保目标体育动作姿态信息对于每个动作规范性结论标识的可信因子的精度和可靠性,尽可能保障可信因子的使用质量。
步骤203、结合所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件。
在本发明实施例中,在确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子的前提下,基于各个可信因子的数值,就可以确定所述目标体育动作姿态信息属于各个动作规范性结论标识的可信因子的大小,从而可以确定当前所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件。
举例而言,如果所述目标对象姿态检测记录中存在“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识和“推举+耸肩”动作规范性结论标识,那么对于被注释“硬拉+龟背”动作规范性结论标识的体育动作姿态信息Action posture_b,可以分别确定体育动作姿态信息Action posture_b对于“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识和“推举+耸肩”动作规范性结论标识的可信因子,从而确定体育动作姿态信息Action posture_b被注释“硬拉+龟背”动作规范性结论标识是否满足匹配条件。
在实际实施时,在确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子的前提下,为了确定目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,对于一些可能的实施例而言,所述可信因子包括第一可信因子和第二可信因子,所述第一可信因子为所述目标体育动作姿态信息对于所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识的可信因子,所述第二可信因子为所述目标体育动作姿态信息对于若干个动作规范性结论标识中除所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识之外的剩余动作规范性结论标识的可信因子;
对于一些可能的实施例而言,所述结合所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,可以包括如下内容:在所述第一可信因子没有超过预设可信因子判定值、并且存在至少一个所述第二可信因子大于所述预设可信因子判定值的前提下,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件。
在本发明实施例中,在确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子的前提下,可以进一步确定所述目标体育动作姿态信息对于所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识的第一可信因子,以及所述目标体育动作姿态信息对于若干个动作规范性结论标识中除所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识之外的剩余动作规范性结论标识的第二可信因子,然后可以获取对于所述目标对象姿态检测记录的预设可信因子判定值,并对所述预设可信因子判定值、所述第一可信因子和所述第二可信因子进行对比,在所述第一可信因子没有超过对于所述预设可信因子判定值、并且存在不低于一个所述第二可信因子高于所述预设可信因子判定值的前提下,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件。进一步地,所述预设可信因子判定值代表所述目标体育动作姿态信息属于当前已经完成注释的动作规范性结论标识是可信度较高的。
举例而言,如果预设可信因子判定值为0.2,所述目标对象姿态检测记录中存在“硬拉+龟背”动作规范性结论标识、“深蹲+后背未夹紧”动作规范性结论标识和“推举+耸肩”动作规范性结论标识,对于被注释“深蹲+后背未夹紧”动作规范性结论标识的体育动作姿态信息Action posture_c,体育动作姿态信息Action posture_c对于“深蹲+后背未夹紧”动作规范性结论标识的第一可信因子为0.1,体育动作姿态信息Action posture_c对于“硬拉+龟背”动作规范性结论标识的第二可信因子为0.3,体育动作姿态信息Actionposture_c对于“推举+耸肩”动作规范性结论标识的第二可信因子为0.08,此时,可以理解的是,与“深蹲+后背未夹紧”动作规范性结论标识相比,体育动作姿态信息Actionposture_c属于“硬拉+龟背”动作规范性结论标识的可信因子更高,因此体育动作姿态信息Action posture_c被注释“深蹲+后背未夹紧”动作规范性结论标识是不满足匹配条件的。
如此一来,在目标体育动作姿态信息对于所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识的第一可信因子没有超过预设可信因子判定值,并且存在不低于一个目标体育动作姿态信息对于若干个动作规范性结论标识中除所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识之外的剩余动作规范性结论标识的第二可信因子大于预设可信因子判定值的前提下,此时与所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识相比,所述目标体育动作姿态信息对于剩余动作规范性结论标识的可信因子更高,因此可以视作当前所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件,确保动作规范性结论标识的核对精度,提高信息分析时效性。
步骤204、在所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件的前提下,对所述目标体育动作姿态信息进行动作规范性识别。
在本发明实施例中,如果确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件,可以对所述目标体育动作姿态信息进行动作规范性识别。
进一步地,可以将已经完成注释的动作规范性结论标识不满足匹配条件的所述目标体育动作姿态信息从所述目标对象姿态检测记录中清洗。
进一步地,为了确保目标对象姿态检测记录中信息的全面性,还可以结合所述体育动作姿态信息对于每个动作规范性结论标识的可信因子,对所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识进行修正和优化,使得完成修正的动作规范性结论标识对于所述目标体育动作姿态信息是正确的。
进一步地,也可以对目标体育动作姿态信息注释的动作规范性结论标识进行修正和优化。
本发明实施例提供的基于智慧体育的动作数据分析方法,可以就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语,其中,每个体育动作姿态信息对应一个已经完成注释的动作规范性结论标识;对于所述目标对象姿态检测记录中任意一个目标体育动作姿态信息,结合所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子;结合所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件;在所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件的前提下,对所述目标体育动作姿态信息进行动作规范性识别。
如此一来,在对目标对象姿态检测记录进行进一步分析之前,可以利用目标对象姿态检测记录中每个体育动作姿态信息对于每个动作规范性结论标识的可信因子,判断体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,从而将存在动作规范性结论标识注释异常的体育动作姿态信息进行针对性的动作规范性识别,以实现对目标对象姿态检测记录的优化,利用对存在动作规范性结论标识注释异常的体育动作姿态信息进行针对性的动作规范性识别的思路,提高目标对象姿态检测记录中体育动作姿态信息的精度和可信因子,避免异常体育动作姿态信息造成的分析偏差,不仅可以基于完成优化的目标对象姿态检测记录进行高质量的AI模型调试,还可以基于完成优化的目标对象姿态检测记录进行指导性的体育动作校正和教学。
对于一种可能性的实施例而言,本发明实施例提供的基于智慧体育的动作数据分析方法还可以包括步骤301-步骤304。
步骤301、就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语,其中,每个体育动作姿态信息对应一个已经完成注释的动作规范性结论标识。
步骤302、在动作规范性结论标识中确定目标动作规范性结论标识,其中,所述目标动作规范性结论标识对应至少两个候选体育动作姿态信息。
在本发明实施例中,在确定若干个动作规范性结论标识和若干个体育动作姿态信息的前提下,可以从动作规范性结论标识中确定目标动作规范性结论标识。
进一步地,为了在之后进行体育动作姿态信息之间的姿态相关性系数确定,可以理解的是,不低于两组体育动作姿态信息之间才可以进行相关性系数确定,由此,所述目标动作规范性结论标识对应至少两个候选体育动作姿态信息。
进一步的,为了降低资源处理量,可以只对需处理的动作规范性结论标识下的体育动作姿态信息进行处理,对于不同的情况,比如:某个动作规范性结论标识下的体育动作姿态信息的数目过多、某个动作规范性结论标识下的体育动作姿态信息噪声较多等,从而对应确定进行处理的动作规范性结论标识,比如从若干个动作规范性结论标识中确定目标动作规范性结论标识。
在实际实施时,为了确定目标动作规范性结论标识,对于一些可能的实施例而言,所述在动作规范性结论标识中确定目标动作规范性结论标识,可以包括如下内容:逐一访问所述目标对象姿态检测记录中的体育动作姿态信息,确定每个动作规范性结论标识对应的体育动作姿态信息的数目;结合设定的姿态信息挑选数目,从动作规范性结论标识中确定出目标动作规范性结论标识,其中,所述目标动作规范性结论标识下对应的体育动作姿态信息的数目不小于所述姿态信息挑选数目。
在本发明实施例中,对于所述目标对象姿态检测记录中存在的若干个动作规范性结论标识和若干个体育动作姿态信息,可以逐一访问所述体育动作姿态信息,得到每个动作规范性结论标识对应的体育动作姿态信息的数目,然后可以获取设定的姿态信息挑选数目,将所述姿态信息挑选数目和每个动作规范性结论标识对应的体育动作姿态信息的数目进行对比,从而确定所对应的体育动作姿态信息的数目不小于所述姿态信息挑选数目的动作规范性结论标识,并将该动作规范性结论标识确定为目标动作规范性结论标识,同时将所述目标动作规范性结论标识下的体育动作姿态信息确定为候选体育动作姿态信息。
如此一来,将对应的体育动作姿态信息的数目不小于设定的姿态信息挑选数目的动作规范性结论标识作为需判断是否需进行动作姿态点云化处理的目标动作规范性结论标识,利用姿态信息挑选数目的设定,减少目标对象姿态检测记录中不同动作规范性结论标识下体育动作姿态信息数的差别,这样可以减少AI模型调试过程中出现误差的可能性。
步骤303、根据每个候选体育动作姿态信息的动作姿态细节知识短语,确定其中两个候选体育动作姿态信息之间的姿态相关性系数。
在本发明实施例中,在确定对应属于所述目标动作规范性结论标识下的若干个候选体育动作姿态信息的前提下,可以根据每个候选体育动作姿态信息的动作姿态细节知识短语,对其中两个候选体育动作姿态信息进行相关性系数确定,以得到这两个候选体育动作姿态信息之间的姿态相关性系数。
进一步地,可以利用对其中两个候选体育动作姿态信息进行余弦距离确定的思路,得到对应于其中两个候选体育动作姿态信息的相关性系数分布,可以理解的是,所述相关性系数分布表示这两个候选体育动作姿态信息之间的姿态相关性系数。
步骤304、结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理。
在本发明实施例中,在确定其中两个候选体育动作姿态信息之间的姿态相关性系数的前提下,可以获取设定的相关性系数判定值,并对所述相关性系数判定值和所述姿态相关性系数进行比较,以确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理。
在实际实施时,为了确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理,对于一些可能的实施例而言,所述结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理,可以包括如下内容:对于所述其中两个候选体育动作姿态信息,在所述姿态相关性系数大于设定的相关性系数判定值的前提下,确定对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理。
在本发明实施例中,在确定其中两个候选体育动作姿态信息之间的姿态相关性系数的前提下,可以获取设定的相关性系数判定值,并对所述相关性系数判定值和所述姿态相关性系数进行比较,在所述姿态相关性系数大于所述相关性系数判定值的前提下,可以确定对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理。
举例而言,如果设定的相关性系数判定值为0.03,候选体育动作姿态信息posture1和候选体育动作姿态信息posture2之间的姿态相关性系数为0.05,可以理解的是,候选体育动作姿态信息posture1和候选体育动作姿态信息posture2之间的姿态相关性系数大于设定的相关性系数判定值,确定对候选体育动作姿态信息posture1和候选体育动作姿态信息posture2进行动作姿态点云化处理。
如此一来,在两个候选体育动作姿态信息之间的相关性系数高于设定的相关性系数判定值的前提下,可以将两个候选体育动作姿态信息进行动作姿态点云化处理,可以提高候选体育动作姿态信息的精简化程度,从而提高后续调试处理的时效性。
对于一些可能的实施例而言,在所述结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理之后,所述方法可以包括:在确定对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理的前提下,将所述其中两个候选体育动作姿态信息中的一个候选体育动作姿态信息从所述目标对象姿态检测记录中清洗。
在本发明实施例中,在确定对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理的前提下,对于所述其中两个候选体育动作姿态信息,可以清洗所述其中两个候选体育动作姿态信息中的一个候选体育动作姿态信息,维持另一个候选体育动作姿态信息不变。
举例而言,在确定对候选体育动作姿态信息posture1和候选体育动作姿态信息posture2进行动作姿态点云化处理的前提下,可以将候选体育动作姿态信息posture1或者候选体育动作姿态信息posture2从所述目标对象姿态检测记录中清洗。
如此一来,在确定对两个候选体育动作姿态信息进行动作姿态点云化处理的前提下,可以将其中的一个候选体育动作姿态信息清洗,利用清洗高相关性系数的姿态信息的思路,降低目标对象姿态检测记录中不同动作规范性结论标识下体育动作姿态信息数的差别,尽可能减少调试过程中的信息分析的资源开销,保障调试时效性。
本发明实施例提供的基于智慧体育的动作数据分析方法,可以就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语,其中,每个体育动作姿态信息对应一个已经完成注释的动作规范性结论标识;在动作规范性结论标识中确定目标动作规范性结论标识,其中,所述目标动作规范性结论标识对应至少两个候选体育动作姿态信息;根据每个候选体育动作姿态信息的动作姿态细节知识短语,确定其中两个候选体育动作姿态信息之间的姿态相关性系数;结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理。
如此一来,可以利用目标动作规范性结论标识对应的其中两个候选体育动作姿态信息之间的姿态相关性系数,可以将相关性系数高的其中两个候选体育动作姿态信息中的一个候选体育动作姿态信息从目标对象姿态检测记录中清洗,以实现对目标对象姿态检测记录的优化,从而降低目标对象姿态检测记录中不同动作规范性结论标识下体育动作姿态信息数的差别,尽可能减少调试过程中的信息分析的资源开销,提高后续的AI模型调试时效性和质量。
对于一种可能性的实施例而言,本发明实施例提供的基于智慧体育的动作数据分析方法可以包括步骤401-步骤408。
步骤401、就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语,其中,每个体育动作姿态信息对应一个已经完成注释的动作规范性结论标识。
步骤402、对于所述目标对象姿态检测记录中任意一个目标体育动作姿态信息,结合所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
步骤403、结合所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件。
步骤404、在所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件的前提下,对所述目标体育动作姿态信息进行动作规范性识别。
步骤405、在动作规范性结论标识中确定目标动作规范性结论标识,其中,所述目标动作规范性结论标识对应至少两个候选体育动作姿态信息。
步骤406:根据每个候选体育动作姿态信息的动作姿态细节知识短语,确定其中两个候选体育动作姿态信息之间的姿态相关性系数。
步骤407、结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理。
示例性的,步骤401至步骤404所记录的内容可以参阅步骤201-步骤204所记录的内容,步骤405-步骤407所记录的内容可以参阅步骤302至步骤304所记录的内容。
步骤408、将完成动作规范性识别后的所述目标对象姿态检测记录作为调试依据,对AI模型进行调试。
在本发明实施例中,对于目标对象姿态检测记录中的若干个体育动作姿态信息,可以结合所述体育动作姿态信息对于每个动作规范性结论标识的可信因子,从而对存在动作规范性结论标识注释异常的体育动作姿态信息进行处理,以降低之后调试时中对于存在动作规范性结论标识注释异常的信息进行分析的概率,也可以基于两个候选体育动作姿态信息之间的姿态相关性系数,从而对所述目标对象姿态检测记录进行动作姿态点云化处理,以减少所述目标对象姿态检测记录中不同动作规范性结论标识下体育动作姿态信息数的差别,进而减少调试过程的扰动干扰。
进一步的,对于完成动作规范性识别后的目标对象姿态检测记录,可以作为对AI模型进行调试的调试依据,尽可能减少调试过程中的信息分析的资源开销,保障调试时效性,提高AI模型的运行质量。
本发明实施例提供的基于智慧体育的动作数据分析方法,可以在对目标对象姿态检测记录进行进一步分析之前,可以利用目标对象姿态检测记录中每个体育动作姿态信息对于每个动作规范性结论标识的可信因子,判断体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,从而将存在动作规范性结论标识注释异常的体育动作姿态信息进行针对性的动作规范性识别,以实现对目标对象姿态检测记录的优化,利用对存在动作规范性结论标识注释异常的体育动作姿态信息进行针对性的动作规范性识别的思路,提高目标对象姿态检测记录中体育动作姿态信息的精度和可信因子,避免异常体育动作姿态信息造成的分析偏差,不仅可以基于完成优化的目标对象姿态检测记录进行高质量的AI模型调试,还可以基于完成优化的目标对象姿态检测记录进行指导性的体育动作校正和教学。
进一步的,可以利用目标动作规范性结论标识对应的其中两个候选体育动作姿态信息之间的姿态相关性系数,可以将相关性系数高的其中两个候选体育动作姿态信息中的一个候选体育动作姿态信息从目标对象姿态检测记录中清洗,以实现对目标对象姿态检测记录的优化,从而降低目标对象姿态检测记录中不同动作规范性结论标识下体育动作姿态信息数的差别,尽可能减少调试过程中的信息分析的资源开销,提高网络调试的效率,提高AI模型的运行质量。
在一些可独立的实施例中,对所述目标体育动作姿态信息进行动作规范性识别,可以通过如下技术方案实现:将所述目标体育动作姿态信息对应的动作姿态细节知识短语加载到动作规范性识别网络,获得所述动作规范性识别网络输出的动作规范性结论标识。
在本发明实施例中,动作规范性识别网络可以是分类器网络或者支持向量机。此外,可以首先对所述目标体育动作姿态信息对应的动作姿态细节知识短语进行拆解处理,然后考虑动作姿态的关节和非关节的影响,从而结合动作规范性识别网络准确可靠地输出动作规范性结论标识。
在一些可独立的实施例中,将所述目标体育动作姿态信息对应的动作姿态细节知识短语加载到动作规范性识别网络,获得所述动作规范性识别网络输出的动作规范性结论标识,可以通过如下技术方案实现:基于所述目标体育动作姿态信息对应的动作姿态细节知识短语获取关节模型特征序列,其中,所述关节模型特征序列包括存在关联的E组关节模型特征,所述E为大于或等于1的整数;根据所述关节模型特征序列获取非关节模型特征序列,其中,所述非关节模型特征序列包括存在关联的E组非关节模型特征;基于所述关节模型特征序列,通过动作规范性识别网络所包括的第一量化姿态分析层获取关节联动姿态描述序列,其中,所述关节联动姿态描述序列包括E个关节联动姿态描述;基于所述非关节模型特征序列,通过所述动作规范性识别网络所包括的第二量化姿态分析层获取非关节联动姿态描述序列,其中,所述非关节联动姿态描述序列包括E个非关节联动姿态描述;基于所述关节联动姿态描述序列以及所述非关节联动姿态描述序列,通过所述动作规范性识别网络所包括的动作匹配单元获取所述关节模型特征所对应的动作规范评分值;根据所述动作规范评分值确定所述关节模型特征序列的动作规范性结论标识。
在本发明实施例中,关节模型特征对应于对象的各类关节力学特征,非关节模型特征对应于对象的各类骨骼肌力学特征。通过考虑动作姿态的关节和非关节的影响,从而结合动作规范性识别网络准确可靠地输出动作规范性结论标识。
在一些可独立的实施例中,所述基于所述关节联动姿态描述序列以及所述非关节联动姿态描述序列,通过所述动作规范性识别网络所包括的动作匹配单元获取所述关节模型特征序列所对应的动作规范评分值,包括:基于所述关节联动姿态描述序列,通过所述动作规范性识别网络所包括的第一残差单元获取E个第一联动姿态字符串,其中,每个第一联动姿态字符串对应于一个关节联动姿态描述;基于所述非关节联动姿态描述序列,通过所述动作规范性识别网络所包括的第二残差单元获取E个第二联动姿态字符串,其中,每个第二联动姿态字符串对应于一个非关节联动姿态描述;对所述E个第一联动姿态字符串以及所述E个第二联动姿态字符串进行融合处理,得到E个目标联动姿态字符串,其中,每个目标联动姿态字符串包括一个第一联动姿态字符串以及一个第二联动姿态字符串;基于所述E个目标联动姿态字符串,通过所述动作规范性识别网络所包括的所述动作匹配单元获取所述关节模型特征序列所对应的动作规范评分值。
基于上述相同或相似的发明构思,如图3所示,本实施例还提供了一种基于智慧体育的动作数据分析方法的应用环境30的架构示意图,包括互相之间通信的智慧体育数字服务系统10和智慧体育动作检测设备20,智慧体育数字服务系统10和智慧体育动作检测设备20在运行时实现或者部分实现上述方法实施例所描述的技术方案。
进一步地,还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于智慧体育的动作数据分析方法,其特征在于,应用于智慧体育数字服务系统,所述方法至少包括:
就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语,其中,每个体育动作姿态信息对应一个已经完成注释的动作规范性结论标识;
对于所述目标对象姿态检测记录中任意一个目标体育动作姿态信息,结合所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子;
结合所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件;
在所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件的前提下,对所述目标体育动作姿态信息进行动作规范性识别;
其中,在所述就目标对象姿态检测记录中的体育动作姿态信息而言,确定每个体育动作姿态信息的动作姿态细节知识短语之后,所述方法还包括:在动作规范性结论标识中确定目标动作规范性结论标识,其中,所述目标动作规范性结论标识对应至少两个候选体育动作姿态信息;根据每个候选体育动作姿态信息的动作姿态细节知识短语,确定其中两个候选体育动作姿态信息之间的姿态相关性系数;结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理;
其中,所述在动作规范性结论标识中确定目标动作规范性结论标识,包括:逐一访问所述目标对象姿态检测记录中的体育动作姿态信息,确定每个动作规范性结论标识对应的体育动作姿态信息的数目;结合设定的姿态信息挑选数目,从动作规范性结论标识中确定出目标动作规范性结论标识,其中,所述目标动作规范性结论标识对应的体育动作姿态信息的数目不小于所述姿态信息挑选数目;其中,所述结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理,包括:对于所述其中两个候选体育动作姿态信息,在所述姿态相关性系数大于设定的相关性系数判定值的前提下,确定对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理;其中,在所述结合设定的相关性系数判定值和所述姿态相关性系数,确定是否对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理之后,所述方法包括:在确定对所述其中两个候选体育动作姿态信息进行动作姿态点云化处理的前提下,将所述其中两个候选体育动作姿态信息中的一个候选体育动作姿态信息从所述目标对象姿态检测记录中清洗。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用已完成调试的动作姿态细节挖掘网络分别对每个体育动作姿态信息进行动作姿态细节挖掘,得到每个体育动作姿态信息的动作姿态细节知识短语,其中,所述动作姿态细节挖掘网络利用多组已认证体育动作姿态信息分组调试所得,同一组内的已认证体育动作姿态信息的动作规范性结论标识一致,不同组间的已认证体育动作姿态信息的动作规范性结论标识存在差异。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:确定每个动作规范性结论标识对应的体育动作姿态信息;根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,分别确定每个动作规范性结论标识对应的目标量化评价值;
所述结合所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,包括:根据每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
4.根据权利要求3所述的方法,其特征在于,所述根据每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语,分别确定每个动作规范性结论标识对应的目标量化评价值,包括:
确定每个动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语中的若干个指定动作规范指标;
对于每个动作规范性结论标识,结合所述动作规范性结论标识所对应的体育动作姿态信息的动作姿态细节知识短语中在每个指定动作规范指标下的指标评分数据和所述若干个指定动作规范指标,确定所述动作规范性结论标识在每个指定动作规范指标下的动作规范权重;
基于所述动作规范性结论标识在每个指定动作规范指标下的动作规范权重和所述若干个指定动作规范指标,确定所述动作规范性结论标识对应的目标量化评价值。
5.根据权利要求4所述的方法,其特征在于,所述根据每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语,确定所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,包括:
对每个动作规范性结论标识对应的目标量化评价值和所述目标体育动作姿态信息的动作姿态细节知识短语进行相关性系数确定,得到所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数;
依据所述目标体育动作姿态信息与每个动作规范性结论标识之间的相关性系数,对所述目标体育动作姿态信息与每个动作规范性结论标识进行线性转换处理,得到所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子。
6.根据权利要求5所述的方法,其特征在于,所述可信因子包括第一可信因子和第二可信因子,所述第一可信因子为所述目标体育动作姿态信息对于所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识的可信因子,所述第二可信因子为所述目标体育动作姿态信息对于若干个动作规范性结论标识中除所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识之外的剩余动作规范性结论标识的可信因子;
所述结合所述目标体育动作姿态信息对于每个动作规范性结论标识的可信因子,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识是否满足匹配条件,包括:在所述第一可信因子没有超过预设可信因子判定值、并且存在至少一个所述第二可信因子大于所述预设可信因子判定值的前提下,确定所述目标体育动作姿态信息的已经完成注释的动作规范性结论标识不满足匹配条件。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:将完成动作规范性识别后的所述目标对象姿态检测记录作为调试依据,对AI模型进行调试。
8.一种智慧体育数字服务系统,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210745615.1A CN114821818B (zh) | 2022-06-29 | 2022-06-29 | 基于智慧体育的动作数据分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210745615.1A CN114821818B (zh) | 2022-06-29 | 2022-06-29 | 基于智慧体育的动作数据分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114821818A CN114821818A (zh) | 2022-07-29 |
CN114821818B true CN114821818B (zh) | 2022-09-16 |
Family
ID=82523226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210745615.1A Active CN114821818B (zh) | 2022-06-29 | 2022-06-29 | 基于智慧体育的动作数据分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114821818B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115760494B (zh) * | 2023-02-10 | 2023-05-05 | 深圳市思为软件技术有限公司 | 基于数据处理的针对房地产营销的服务优化方法及装置 |
CN116824706A (zh) * | 2023-08-25 | 2023-09-29 | 华大天元(北京)科技股份有限公司 | 一种变电站人员行为检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133813A (zh) * | 2014-08-11 | 2014-11-05 | 南通大学 | 一种基于Kinect的海军旗语训练方法 |
CN105912707A (zh) * | 2016-04-27 | 2016-08-31 | 天脉聚源(北京)传媒科技有限公司 | 一种规范视频资源标识的方法及装置 |
CN108429920A (zh) * | 2018-02-06 | 2018-08-21 | 北京奇虎科技有限公司 | 一种处理标题党视频的方法和装置 |
CN110718280A (zh) * | 2019-09-26 | 2020-01-21 | 北京金山安全软件有限公司 | 健身动作准确度确定方法、装置、电子设备及存储介质 |
CN112036252A (zh) * | 2020-08-04 | 2020-12-04 | 珠海格力电器股份有限公司 | 动作打标签模型的构建、视频动作打标方法及装置 |
CN112954245A (zh) * | 2021-01-21 | 2021-06-11 | 广州佰锐网络科技有限公司 | 一种录制音视频的打标签、检验方法及系统 |
CN113657173A (zh) * | 2021-07-20 | 2021-11-16 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783716A (zh) * | 2020-07-10 | 2020-10-16 | 中国科学院自动化研究所 | 基于姿态信息的行人检测方法、系统、装置 |
-
2022
- 2022-06-29 CN CN202210745615.1A patent/CN114821818B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133813A (zh) * | 2014-08-11 | 2014-11-05 | 南通大学 | 一种基于Kinect的海军旗语训练方法 |
CN105912707A (zh) * | 2016-04-27 | 2016-08-31 | 天脉聚源(北京)传媒科技有限公司 | 一种规范视频资源标识的方法及装置 |
CN108429920A (zh) * | 2018-02-06 | 2018-08-21 | 北京奇虎科技有限公司 | 一种处理标题党视频的方法和装置 |
CN110718280A (zh) * | 2019-09-26 | 2020-01-21 | 北京金山安全软件有限公司 | 健身动作准确度确定方法、装置、电子设备及存储介质 |
CN112036252A (zh) * | 2020-08-04 | 2020-12-04 | 珠海格力电器股份有限公司 | 动作打标签模型的构建、视频动作打标方法及装置 |
CN112954245A (zh) * | 2021-01-21 | 2021-06-11 | 广州佰锐网络科技有限公司 | 一种录制音视频的打标签、检验方法及系统 |
CN113657173A (zh) * | 2021-07-20 | 2021-11-16 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114821818A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114821818B (zh) | 基于智慧体育的动作数据分析方法及系统 | |
CN112214610B (zh) | 一种基于跨度和知识增强的实体关系联合抽取方法 | |
CN109299284B (zh) | 一种基于结构信息与文本描述的知识图谱表示学习方法 | |
CN110147551B (zh) | 多类别实体识别模型训练、实体识别方法、服务器及终端 | |
CN108845988B (zh) | 一种实体识别方法、装置、设备及计算机可读存储介质 | |
CN103530321A (zh) | 一种基于机器学习的排序系统 | |
CN104966105A (zh) | 一种鲁棒机器错误检索方法与系统 | |
CN102236600B (zh) | 获得代码覆盖率的方法及装置 | |
CN107844414A (zh) | 一种基于缺陷报告分析的跨项目、并行化缺陷定位方法 | |
CN116049412B (zh) | 文本分类方法、模型训练方法、装置及电子设备 | |
CN108416373A (zh) | 一种基于正则化Fisher阈值选择策略的不平衡数据分类系统 | |
CN114816497B (zh) | 基于bert预训练模型的链接生成方法 | |
CN112463976A (zh) | 一种以群智感知任务为中心的知识图谱构建方法 | |
CN113723312A (zh) | 基于视觉transformer的水稻病害识别方法 | |
CN116596095B (zh) | 基于机器学习的碳排放量预测模型的训练方法及装置 | |
CN110825642B (zh) | 一种基于深度学习的软件代码行级缺陷检测方法 | |
CN114491082A (zh) | 基于网络安全应急响应知识图谱特征提取的预案匹配方法 | |
CN112488147A (zh) | 一种基于对抗网络的冗余去除主动学习方法 | |
CN117434429B (zh) | 芯片的稳定性测试方法及相关装置 | |
CN112529024A (zh) | 一种样本数据的生成方法、装置及计算机可读存储介质 | |
CN105701501A (zh) | 一种商标图像识别方法 | |
Revindasari et al. | Traceability between business process and software component using Probabilistic Latent Semantic Analysis | |
CN117516937A (zh) | 基于多模态特征融合增强的滚动轴承未知故障检测方法 | |
Lei et al. | Coca: Cost-effective collaborative annotation system by combining experts and amateurs | |
CN109543712B (zh) | 时态数据集上的实体识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |