CN115527264B - 一种啦啦操训练效果的智能评价方法及系统 - Google Patents
一种啦啦操训练效果的智能评价方法及系统 Download PDFInfo
- Publication number
- CN115527264B CN115527264B CN202210079616.7A CN202210079616A CN115527264B CN 115527264 B CN115527264 B CN 115527264B CN 202210079616 A CN202210079616 A CN 202210079616A CN 115527264 B CN115527264 B CN 115527264B
- Authority
- CN
- China
- Prior art keywords
- obtaining
- evaluation result
- evaluation
- information
- standard
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7834—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using audio features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种啦啦操训练效果的智能评价方法及系统,涉及体育训练领域,其中,所述方法包括:获得第一标准啦啦操视频信息,将其作为评价标准;并根据其构建音频片段数据库和视频片段数据库;从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取第一视频片段;根据所述第一音频片段,获得第一测试视频信息;根据所述第一测试视频信息和所述第一音频片段,获得第一节奏匹配度信息;根据所述第一测试视频信息和所述第一视频片段,获得第一动作标准度信息;根据所述第一节奏匹配度信息和所述第一动作标准度信息通过Logistic回归模型进行综合评价,获得第一评价结果。
Description
技术领域
本发明涉及体育训练领域,具体地,涉及一种啦啦操训练效果的智能评价方法及系统。
背景技术
啦啦操是在音乐伴奏下,通过运动员集体配合的方式,完成复杂及高难度的基本手位、舞蹈等动作内容,集体操、舞蹈、音乐、健身、娱乐于一体的体育项目。啦啦操以展示团队的高度一致性、高超的运动技术为主要表现方式,深受广大群众喜爱。随着人民生活水平的不断提高,啦啦操特有的保健、医疗、健身、健美、娱乐的实用价值受到人们的广泛关注。啦啦操是一项具备广阔的发展前景和充足的群众基础的体育运动项目。研究设计一种优化啦啦操训练效果的评价方法,具有重要的现实意义。
现有技术中,存在针对啦啦操训练效果的评价方法准确性不高,进而导致啦啦操训练效果不佳的技术问题。
发明内容
本申请提供了一种啦啦操训练效果的智能评价方法及系统,解决了现有技术中的针对啦啦操训练效果的评价方法准确性不高,进而导致啦啦操训练效果不佳的技术问题。
鉴于上述问题,本申请提供了一种啦啦操训练效果的智能评价方法及系统。
一方面,本申请提供了一种啦啦操训练效果的智能评价方法,其中,所述方法应用于一种啦啦操训练效果的智能评价系统,所述方法包括:获得第一标准啦啦操视频信息,将所述第一标准啦啦操视频信息作为评价标准;根据所述第一标准啦啦操视频信息,构建音频片段数据库和与所述音频片段数据库中的各音频相匹配的视频片段数据库;从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取第一视频片段,所述第一视频片段与所述第一音频片段相匹配;根据所述第一音频片段,获得第一测试视频信息,所述第一测试视频信息包括第一学员做出动作的视频信息;根据所述第一测试视频信息和所述第一音频片段,获得第一节奏匹配度信息;根据所述第一测试视频信息和所述第一视频片段,获得第一动作标准度信息;根据所述第一节奏匹配度信息和所述第一动作标准度信息通过Logistic回归模型进行综合评价,获得第一评价结果。
另一方面,本申请还提供了一种啦啦操训练效果的智能评价系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一标准啦啦操视频信息,将所述第一标准啦啦操视频信息作为评价标准;第一执行单元,所述第一执行单元用于根据所述第一标准啦啦操视频信息,构建音频片段数据库和与所述音频片段数据库中的各音频相匹配的视频片段数据库;第二执行单元,所述第二执行单元用于从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取第一视频片段,所述第一视频片段与所述第一音频片段相匹配;第二获得单元,所述第二获得单元用于根据所述第一音频片段,获得第一测试视频信息,所述第一测试视频信息包括第一学员做出动作的视频信息;第三获得单元,所述第三获得单元用于根据所述第一测试视频信息和所述第一音频片段,获得第一节奏匹配度信息;第四获得单元,所述第四获得单元用于根据所述第一测试视频信息和所述第一视频片段,获得第一动作标准度信息;第五获得单元,所述第五获得单元用于根据所述第一节奏匹配度信息和所述第一动作标准度信息通过Logistic回归模型进行综合评价,获得第一评价结果。
第三方面,本申请提供了一种啦啦操训练效果的智能评价系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其中,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
获得第一标准啦啦操视频信息,将其作为评价标准;并根据其构建音频片段数据库和视频片段数据库;从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取与所述第一音频片段相匹配的第一视频片段;根据所述第一音频片段,获得第一测试视频信息;进一步,获得第一节奏匹配度信息和第一动作标准度信息;将所述第一节奏匹配度信息和所述第一动作标准度信息作为输入信息,输入Logistic回归模型进行综合评价,输出第一评价结果。达到了设计一种啦啦操训练效果的智能评价方法;提升啦啦操训练效果的评价方法的准确性;有效促进啦啦操训练效果的提高;同时,为进一步学习更高层次的啦啦操奠定基础;保证啦啦操训练的正确方向;有利于啦啦操训练的发展的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请一种啦啦操训练效果的智能评价方法的流程示意图;
图2为本申请一种啦啦操训练效果的智能评价方法中根据第一学习评价参数对第一评价结果进行调整,获得第二评价结果的流程示意图;
图3为本申请一种啦啦操训练效果的智能评价方法中根据第二学习评价参数对第一评价结果进行调整,获得第三评价结果的流程示意图;
图4为本申请一种啦啦操训练效果的智能评价方法中根据每位学员的第三评价结果,获得第一组学员的团队评价结果的流程示意图;
图5为本申请一种啦啦操训练效果的智能评价系统的结构示意图;
图6为本申请示例性电子设备的结构示意图。
具体实施方式
本申请通过提供一种啦啦操训练效果的智能评价方法及系统,解决了现有技术中的针对啦啦操训练效果的评价方法准确性不高,进而导致啦啦操训练效果不佳的技术问题。达到了设计一种啦啦操训练效果的智能评价方法;提升啦啦操训练效果的评价方法的准确性;有效促进啦啦操训练效果的提高;同时,为进一步学习更高层次的啦啦操奠定基础;保证啦啦操训练的正确方向;有利于啦啦操训练的发展的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
啦啦操是在音乐伴奏下,通过运动员集体配合的方式,完成复杂及高难度的基本手位、舞蹈等动作内容,集体操、舞蹈、音乐、健身、娱乐于一体的体育项目。啦啦操以展示团队的高度一致性、高超的运动技术为主要表现方式,深受广大群众喜爱。随着人民生活水平的不断提高,啦啦操特有的保健、医疗、健身、健美、娱乐的实用价值受到人们的广泛关注。啦啦操是一项具备广阔的发展前景和充足的群众基础的体育运动项目。研究设计一种优化啦啦操训练效果的评价方法,具有重要的现实意义。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供一种啦啦操训练效果的智能评价方法,其中,所述方法应用于一种啦啦操训练效果的智能评价系统,所述方法包括:获得第一标准啦啦操视频信息,将其作为评价标准;并根据其构建音频片段数据库和视频片段数据库;从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取与所述第一音频片段相匹配的第一视频片段;根据所述第一音频片段,获得第一测试视频信息;进一步,获得第一节奏匹配度信息和第一动作标准度信息;将所述第一节奏匹配度信息和所述第一动作标准度信息作为输入信息,输入Logistic回归模型进行综合评价,输出第一评价结果。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
请参阅附图1,本申请提供一种啦啦操训练效果的智能评价方法,其中,所述方法应用于一种啦啦操训练效果的智能评价系统,所述方法具体包括如下步骤:
步骤S100:获得第一标准啦啦操视频信息,将所述第一标准啦啦操视频信息作为评价标准;
步骤S200:根据所述第一标准啦啦操视频信息,构建音频片段数据库和与所述音频片段数据库中的各音频相匹配的视频片段数据库;
具体而言,获得第一标准啦啦操视频信息,并将其作为评价标准和规范。所述第一标准啦啦操视频信息是任意人员进行标准的啦啦操训练的任意视频信息。所述啦啦操包括花球舞蹈啦啦操、爵士舞啦啦操、街舞啦啦操、技巧啦啦操等多种类型的啦啦操。进一步,基于所述第一标准啦啦操视频信息,建立音频片段数据库和视频片段数据库。其中,所述音频片段数据库包括第一标准啦啦操视频信息中的伴奏音乐的音频数据信息。所述视频片段数据库由音频片段数据库中的各音频相对应的视频数据信息构成。例如,所述第一标准啦啦操视频信息是任意人员在歌曲《动感宝贝》的伴奏下,进行标准的啦啦操训练的视频信息。则所述音频片段数据库包括歌曲《动感宝贝》的音频数据信息。所述视频片段数据库包括与歌曲《动感宝贝》的音频数据信息相匹配的视频片段数据信息。达到了构建音频片段数据库和视频片段数据库,为后续获得第一测试视频信息奠定基础的技术效果。
步骤S300:从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取第一视频片段,所述第一视频片段与所述第一音频片段相匹配;
步骤S400:根据所述第一音频片段,获得第一测试视频信息,所述第一测试视频信息包括第一学员做出动作的视频信息;
具体而言,所述第一音频片段是从所述音频片段数据库中随机获取任意音频片段。所述第一视频片段是从所述视频片段数据库中随机获取的任意视频片段,且所述第一视频片段与所述第一音频片段相匹配。基于所述第一音频片段,进一步获得第一测试视频信息。所述第一测试视频信息是在所述第一音频片段下,第一学员做出动作的视频信息。所述第一学员为任一学员。例如,所述第一音频片段是歌曲《动感宝贝》的音频片段。所述第一视频片段是在歌曲《动感宝贝》的伴奏下,进行标准的啦啦操训练的视频片段。所述第一测试视频信息是在歌曲《动感宝贝》的伴奏下,任一学员做出动作的视频信息。达到了获得第一测试视频信息,为后续利用Logistic回归模型进行综合评价提供数据支持的技术效果。
步骤S500:根据所述第一测试视频信息和所述第一音频片段,获得第一节奏匹配度信息;
步骤S600:根据所述第一测试视频信息和所述第一视频片段,获得第一动作标准度信息;
步骤S700:根据所述第一节奏匹配度信息和所述第一动作标准度信息通过Logistic回归模型进行综合评价,获得第一评价结果。
具体而言,将所述第一节奏匹配度信息和所述第一动作标准度信息作为输入信息,输入所述Logistic回归模型进行综合评价,进而输出准确的所述第一评价结果。其中,所述第一节奏匹配度信息是将所述第一音频片段的节奏信息作为标准,与所述第一测试视频信息的节奏信息进行比较,表示所述第一测试视频信息的节奏准确度高低的数据信息。所述第一动作标准度信息是将所述第一视频片段的动作信息作为标准,与所述第一测试视频信息的动作信息进行比较,表示所述第一测试视频信息的动作准确度高低的数据信息。所述Logistic回归模型为神经网络模型,具有神经网络模型的特性。所述神经网络模型即机器学习中的神经网络模型,它反映了人脑功能的许多基本特征,是一种具有局部连接、权值共享等特点的深层前馈神经网络,是一个高度复杂的非线性动力学习系统。同时,所述Logistic回归模型为概率型非线性回归模型,用于研究啦啦操的评价结果与节奏匹配度、动作标准度之间的定量关系。达到了设计一种啦啦操训练效果的智能评价方法;提升啦啦操训练效果的评价方法的准确性;有效促进啦啦操训练效果的提高;同时,为进一步学习更高层次的啦啦操奠定基础;保证啦啦操训练的正确方向;有利于啦啦操训练的发展的技术效果。
进一步的,如附图2所示,本申请步骤S700之后还包括:
步骤S800:获得所述第一学员对所述第一标准啦啦操视频信息的第一学习时长和第一训练时长;
步骤S900:根据大数据获取所述第一标准啦啦操视频信息的学习时长集合和训练时长集合进行曲线拟合,获得第一学习评价曲线;
步骤S1000:将所述第一学习时长和所述第一训练时长输入所述第一学习评价曲线,获得第一学习评价参数;
步骤S1100:根据所述第一学习评价参数对所述第一评价结果进行调整,获得第二评价结果。
具体而言,所述第一学习时长是所述第一学员对所述第一标准啦啦操视频信息进行学习的任一时间长度。所述第一训练时长是所述第一学员根据所述第一标准啦啦操视频信息的内容进行对应的啦啦操训练的任一时间长度。所述第一学员为任一学员。所述第一标准啦啦操视频信息为任意的标准啦啦操的视频信息。进一步,针对学习时长集合和训练时长集合中的数据信息,运用最小二乘法或插值法等拟合方法,生成所述第一学习评价曲线。其中,所述学习时长集合是大数据查询获得的进行所述第一标准啦啦操视频信息的学习的时长信息构成的集合。所述训练时长集合是大数据查询获得的进行所述第一标准啦啦操视频信息的训练的时长信息构成的集合。所述第一学习评价曲线是表征所述第一标准啦啦操视频信息的学习时长和训练时长之间的关系的任一连续曲线。进而,将所述第一学习时长和所述第一训练时长作为输入信息,输入所述第一学习评价曲线,输出所述第一学习评价参数,并根据其调整所述第一评价结果,获得第二评价结果。所述第一学习评价参数是表征任一学员的所述第一标准啦啦操视频信息的学习时长和训练时长对其评价结果的影响参数。达到了根据第一学习评价参数对单个学员的啦啦操训练的评价结果进行修正,进一步提高啦啦操训练效果的评价方法的准确性的技术效果。
进一步的,如附图3所示,本申请步骤S1100之后还包括:
步骤S1200:对所述第一学员进行力量测试,获得所述第一学员的力量评价结果;
步骤S1300:对所述第一学员进行柔韧性测试,获得所述第一学员的柔韧性评价结果;
步骤S1400:对所述第一学员进行协调性测试,获得所述第一学员的协调性评价结果;
步骤S1500:根据所述力量评价结果、所述柔韧性评价结果和所述协调性评价结果,获得基础能力评价结果;
步骤S1600:根据所述基础能力评价结果,获得第二学习评价参数;
步骤S1700:根据所述第二学习评价参数对所述第一评价结果进行调整,获得第三评价结果。
具体而言,所述第一学员的力量评价结果是对所述第一学员进行平板支撑、仰卧起坐、卷腹、仰卧举腿、俯卧撑等力量测试,获得的表征所述第一学员的力量大小的信息。所述第一学员的柔韧性评价结果是对所述第一学员进行正压腿、后压腿、侧压腿、竖叉、横叉等柔韧性测试,获得的表征所述第一学员的柔韧性高低的信息。所述第一学员的协调性评价结果是对所述第一学员进行交叉拍脚、交叉提膝、抬腿拍掌等协调性测试,获得的表征所述第一学员的协调性优劣的信息。进一步,通过对所述力量评价结果、所述柔韧性评价结果、所述协调性评价结果进行综合性全面分析,获得基础能力评价结果,进而获得第二学习评价参数;并根据其对所述第一评价结果进行调整,获得第三评价结果。所述第二学习评价参数是表征任一学员的基础能力(力量、柔韧性、协调性)对其评价结果的影响参数。达到了根据第二学习评价参数对单个学员的啦啦操训练的评价结果进行修正,提高啦啦操训练效果的评价方法的准确性的技术效果。
进一步的,如附图4所示,本申请步骤S1700之后还包括:
步骤S1800:根据所述第一音频片段,获得第二测试视频信息,所述第二测试视频信息包括第一组学员做出动作的视频信息;
步骤S1900:获得所述第一组学员中每位学员的基础能力评价结果;
步骤S2000:获得所述第一组学员中每位学员的第一评价结果;
步骤S2100:根据所述每位学员的所述基础能力评价结果和所述第一评价结果,获得所述每位学员的第三评价结果;
步骤S2200:根据所述每位学员的第三评价结果,获得所述第一组学员的团队评价结果。
具体而言,所述第二测试视频信息是在所述第一音频片段下,第一组学员同时做出动作的视频信息。所述第一组学员是多位学员构成的团队。例如,所述第一音频片段是歌曲《动感宝贝》的音频片段。所述第一组学员是由5人构成的团队。则所述第二测试视频信息是在歌曲《动感宝贝》的伴奏下,这5人同时做出动作的视频信息。进一步,对所述第一组学员中每位学员的力量、柔韧性、协调性进行综合性全面分析,获得所述第一组学员中每位学员的基础能力评价结果。通过所述Logistic回归模型对进行所述第一组学员中每位学员进行综合评价,获得第一评价结果。进而,基于所述每位学员的所述基础能力评价结果,对所述每位学员的第一评价结果进行修正,获得所述每位学员的第三评价结果,并根据其对学员所在的团队进行综合评价,获得所述第一组学员的团队评价结果。达到了对啦啦操团队的训练效果进行智能化评价,扩大本申请的啦啦操训练效果的智能评价方法的使用范围的技术效果。
进一步的,本申请步骤S2200之后还包括:
步骤S2210:根据所述每位学员的所述基础能力评价结果进行等级划分,获得所述第一组学员的能力分布情况;
具体而言,所述第一组学员的能力分布情况是对所述第一组学员中每位学员的基础能力评价结果进行等级划分,用于表征所述第一组学员中每位学员的基础能力高低。例如,所述第一组学员共5位学员,其中,有1位学员的基础能力评价结果为优秀,则处于第一等级;有3位学员的基础能力评价结果为合格,则处于第二等级;有1位学员的基础能力评价结果为合格,则处于第三等级。达到了获得所述第一组学员的能力分布情况,为后续获得第一权重比奠定基础的技术效果。
步骤S2220:根据所述能力分布情况按照预定权重分配规则,获得第一权重比;
进一步的,本申请步骤S2200还包括:
步骤S2221:获得预定能力分布阈值;
步骤S2222:如果所述能力分布情况不在所述预定能力分布阈值之内,按照所述能力分布情况与所述团队评价结果的反相关关系,获得所述第一权重比。
具体而言,所述预定能力分布阈值是预先设定的所述第一组学员中具有较强的基础能力评价结果的人数。如果所述能力分布情况在所述预定能力分布阈值之内,根据所述能力分布情况按照预定权重分配规则,获得第一权重比。所述预定权重分配规则是预先设定的任意的权重分配规则。如果所述能力分布情况不在所述预定能力分布阈值之内,按照所述能力分布情况与所述团队评价结果的反相关关系,获得第一权重比。所述第一权重比用于进一步反映所述第一组学员的能力高低的分布情况。例如,所述预定能力分布阈值是有4人的基础能力评价结果为优秀。所述第一组学员的能力分布情况中有5人的基础能力评价结果为优秀。则所述能力分布情况不在所述预定能力分布阈值之内。按照所述能力分布情况与所述团队评价结果的反相关关系,得到所述第一权重比。所述能力分布情况与所述团队评价结果的反相关关系是能力强的人数越多,比重越小,从而保证在所述第一组学员中能力差的人数较多时,获得相对公平的权重分配结果。达到了获得公正的第一权重比,为后续得到第一组学员的团队评价结果提供数据支持的技术效果。
步骤S2230:根据所述第一权重比、所述能力分布情况和所述每位学员的所述第三评价结果,获得所述第一组学员的团队评价结果。
具体而言,所述第一组学员的团队评价结果是通过对所述第一权重比、所述能力分布情况、所述每位学员的所述第三评价结果进行综合性的全面分析,得到的表征第一组学员的团队的啦啦操训练效果的评价。达到了通过第一权重比、能力分布情况和每位学员的第三评价结果对啦啦操团队的训练效果进行智能化评价的技术效果。
进一步的,本申请步骤S700还包括:
步骤S710:将所述第一节奏匹配度信息和所述第一动作标准度信息输入Logistic回归模型;
步骤S720:所述Logistic回归模型通过多组训练数据训练至收敛获得,其中每组训练数据中都包括所述第一节奏匹配度信息和所述第一动作标准度信息;
步骤S730:获得所述Logistic回归模型的输出信息,所述输出信息包括所述第一评价结果。
具体而言,卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络,是深度学习的代表算法之一。所述Logistic回归模型为神经网络模型,具有神经网络模型的特性。基于神经网络模型建立的所述Logistic回归模型能够输出准确的所述Logistic回归模型的输出信息,从而具备了较强的分析计算能力,达到了准确而高效的技术效果。此外,所述Logistic回归模型能根据训练数据进行不断的自我训练学习,所述多组训练数据中每组数据均包括所述第一节奏匹配度信息和所述第一动作标准度信息;所述Logistic回归模型不断地自我的修正,当所述Logistic回归模型的输出信息达到预定的准确率/收敛状态时,则监督学习过程结束。
通过对所述Logistic回归模型进行数据训练,使得所述Logistic回归模型处理输入数据更加准确,进而使得输出的所述Logistic回归模型的输出信息也更加准确,即得到更加准确、有效的第一评估结果,最终达到了准确获得数据信息,提高评估结果智能化的技术效果。
综上所述,本申请所提供的一种啦啦操训练效果的智能评价方法具有如下技术效果:
1.获得第一标准啦啦操视频信息,将其作为评价标准;并根据其构建音频片段数据库和视频片段数据库;从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取与所述第一音频片段相匹配的第一视频片段;根据所述第一音频片段,获得第一测试视频信息;进一步,获得第一节奏匹配度信息和第一动作标准度信息;将所述第一节奏匹配度信息和所述第一动作标准度信息作为输入信息,输入Logistic回归模型进行综合评价,输出第一评价结果。达到了设计一种啦啦操训练效果的智能评价方法;提升啦啦操训练效果的评价方法的准确性;有效促进啦啦操训练效果的提高;同时,为进一步学习更高层次的啦啦操奠定基础;保证啦啦操训练的正确方向;有利于啦啦操训练的发展的技术效果。
2.所述Logistic回归模型为神经网络模型,具有神经网络模型的特性。所述神经网络模型即机器学习中的神经网络模型,它反映了人脑功能的许多基本特征,是一种具有局部连接、权值共享等特点的深层前馈神经网络,是一个高度复杂的非线性动力学习系统。同时,所述Logistic回归模型为概率型非线性回归模型,用于研究啦啦操的评价结果与节奏匹配度、动作标准度之间的定量关系。
3.通过对所述Logistic回归模型进行数据训练,使得所述Logistic回归模型处理输入数据更加准确,进而使得输出的所述Logistic回归模型的输出信息也更加准确,即得到更加准确、有效的第一评估结果,最终达到了准确获得数据信息,提高评估结果智能化的技术效果。
实施例二
基于与前述实施例中一种啦啦操训练效果的智能评价方法,同样发明构思,本发明还提供了一种啦啦操训练效果的智能评价系统,请参阅附图5,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一标准啦啦操视频信息,将所述第一标准啦啦操视频信息作为评价标准;
第一执行单元12,所述第一执行单元12用于根据所述第一标准啦啦操视频信息,构建音频片段数据库和与所述音频片段数据库中的各音频相匹配的视频片段数据库;
第二执行单元13,所述第二执行单元13用于从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取第一视频片段,所述第一视频片段与所述第一音频片段相匹配;
第二获得单元14,所述第二获得单元14用于根据所述第一音频片段,获得第一测试视频信息,所述第一测试视频信息包括第一学员做出动作的视频信息;
第三获得单元15,所述第三获得单元15用于根据所述第一测试视频信息和所述第一音频片段,获得第一节奏匹配度信息;
第四获得单元16,所述第四获得单元16用于根据所述第一测试视频信息和所述第一视频片段,获得第一动作标准度信息;
第五获得单元17,所述第五获得单元17用于根据所述第一节奏匹配度信息和所述第一动作标准度信息通过Logistic回归模型进行综合评价,获得第一评价结果。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于获得所述第一学员对所述第一标准啦啦操视频信息的第一学习时长和第一训练时长;
第七获得单元,所述第七获得单元用于根据大数据获取所述第一标准啦啦操视频信息的学习时长集合和训练时长集合进行曲线拟合,获得第一学习评价曲线;
第八获得单元,所述第八获得单元用于将所述第一学习时长和所述第一训练时长输入所述第一学习评价曲线,获得第一学习评价参数;
第九获得单元,所述第九获得单元用于根据所述第一学习评价参数对所述第一评价结果进行调整,获得第二评价结果。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于对所述第一学员进行力量测试,获得所述第一学员的力量评价结果;
第十一获得单元,所述第十一获得单元用于对所述第一学员进行柔韧性测试,获得所述第一学员的柔韧性评价结果;
第十二获得单元,所述第十二获得单元用于对所述第一学员进行协调性测试,获得所述第一学员的协调性评价结果;
第十三获得单元,所述第十三获得单元用于根据所述力量评价结果、所述柔韧性评价结果和所述协调性评价结果,获得基础能力评价结果;
第十四获得单元,所述第十四获得单元用于根据所述基础能力评价结果,获得第二学习评价参数;
第十五获得单元,所述第十五获得单元用于根据所述第二学习评价参数对所述第一评价结果进行调整,获得第三评价结果。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于根据所述第一音频片段,获得第二测试视频信息,所述第二测试视频信息包括第一组学员做出动作的视频信息;
第十七获得单元,所述第十七获得单元用于获得所述第一组学员中每位学员的基础能力评价结果;
第十八获得单元,所述第十八获得单元用于获得所述第一组学员中每位学员的第一评价结果;
第十九获得单元,所述第十九获得单元用于根据所述每位学员的所述基础能力评价结果和所述第一评价结果,获得所述每位学员的第三评价结果;
第二十获得单元,所述第二十获得单元用于根据所述每位学员的第三评价结果,获得所述第一组学员的团队评价结果。
进一步的,所述系统还包括:
第二十一获得单元,所述第二十一获得单元用于根据所述每位学员的所述基础能力评价结果进行等级划分,获得所述第一组学员的能力分布情况;
第二十二获得单元,所述第二十二获得单元用于根据所述能力分布情况按照预定权重分配规则,获得第一权重比;
第二十三获得单元,所述第二十三获得单元用于根据所述第一权重比、所述能力分布情况和所述每位学员的所述第三评价结果,获得所述第一组学员的团队评价结果。
进一步的,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于获得预定能力分布阈值;
第二十五获得单元,所述第二十五获得单元用于如果所述能力分布情况不在所述预定能力分布阈值之内,按照所述能力分布情况与所述团队评价结果的反相关关系,获得所述第一权重比。
进一步的,所述系统还包括:
第三执行单元,所述第三执行单元用于将所述第一节奏匹配度信息和所述第一动作标准度信息输入Logistic回归模型;
第四执行单元,所述第四执行单元用于所述Logistic回归模型通过多组训练数据训练至收敛获得,其中每组训练数据中都包括所述第一节奏匹配度信息和所述第一动作标准度信息;
第二十六获得单元,所述第二十六获得单元用于获得所述Logistic回归模型的输出信息,所述输出信息包括所述第一评价结果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种啦啦操训练效果的智能评价方法和具体实例同样适用于本实施例的一种啦啦操训练效果的智能评价系统,通过前述对一种啦啦操训练效果的智能评价方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种啦啦操训练效果的智能评价系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本申请的计算机设备。该计算机设备可以是应用版本管理服务器或终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种应用包的处理方法。
在该计算机设备是终端时,该计算机设备还可以包括显示屏和输入装置。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
本申请提供了一种啦啦操训练效果的智能评价方法,其中,所述方法应用于一种啦啦操训练效果的智能评价系统,所述方法包括:获得第一标准啦啦操视频信息,将其作为评价标准;并根据其构建音频片段数据库和视频片段数据库;从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取与所述第一音频片段相匹配的第一视频片段;根据所述第一音频片段,获得第一测试视频信息;进一步,获得第一节奏匹配度信息和第一动作标准度信息;将所述第一节奏匹配度信息和所述第一动作标准度信息作为输入信息,输入Logistic回归模型进行综合评价,输出第一评价结果。解决了现有技术中的针对啦啦操训练效果的评价方法准确性不高,进而导致啦啦操训练效果不佳的技术问题。达到了设计一种啦啦操训练效果的智能评价方法;提升啦啦操训练效果的评价方法的准确性;有效促进啦啦操训练效果的提高;同时,为进一步学习更高层次的啦啦操奠定基础;保证啦啦操训练的正确方向;有利于啦啦操训练的发展的技术效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附为准。
Claims (8)
1.一种啦啦操训练效果的智能评价方法,其特征在于,所述方法包括:
获得第一标准啦啦操视频信息,将所述第一标准啦啦操视频信息作为评价标准;
根据所述第一标准啦啦操视频信息,构建音频片段数据库和与所述音频片段数据库中的各音频相匹配的视频片段数据库;
从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取第一视频片段,所述第一视频片段与所述第一音频片段相匹配;
根据所述第一音频片段,获得第一测试视频信息,所述第一测试视频信息包括第一学员做出动作的视频信息;
根据所述第一测试视频信息和所述第一音频片段,获得第一节奏匹配度信息;
根据所述第一测试视频信息和所述第一视频片段,获得第一动作标准度信息;
根据所述第一节奏匹配度信息和所述第一动作标准度信息通过Logistic回归模型进行综合评价,获得第一评价结果;
其中,所述根据所述第一节奏匹配度信息和所述第一动作标准度信息通过Logistic回归模型进行综合评价,获得第一评价结果,包括:
将所述第一节奏匹配度信息和所述第一动作标准度信息输入Logistic回归模型;
所述Logistic回归模型通过多组训练数据训练至收敛获得,其中每组训练数据中都包括所述第一节奏匹配度信息和所述第一动作标准度信息;
获得所述Logistic回归模型的输出信息,所述输出信息包括所述第一评价结果;
获得所述第一学员对所述第一标准啦啦操视频信息的第一学习时长和第一训练时长;
根据大数据获取所述第一标准啦啦操视频信息的学习时长集合和训练时长集合进行曲线拟合,获得第一学习评价曲线;
将所述第一学习时长和所述第一训练时长输入所述第一学习评价曲线,获得第一学习评价参数;
根据所述第一学习评价参数对所述第一评价结果进行调整,获得第二评价结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述第一学员进行力量测试,获得所述第一学员的力量评价结果;
对所述第一学员进行柔韧性测试,获得所述第一学员的柔韧性评价结果;
对所述第一学员进行协调性测试,获得所述第一学员的协调性评价结果;
根据所述力量评价结果、所述柔韧性评价结果和所述协调性评价结果,获得基础能力评价结果;
根据所述基础能力评价结果,获得第二学习评价参数;
根据所述第二学习评价参数对所述第一评价结果进行调整,获得第三评价结果。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述第一音频片段,获得第二测试视频信息,所述第二测试视频信息包括第一组学员做出动作的视频信息;
获得所述第一组学员中每位学员的基础能力评价结果;
获得所述第一组学员中每位学员的第一评价结果;
根据所述每位学员的所述基础能力评价结果和所述第一评价结果,获得所述每位学员的第三评价结果;
根据所述每位学员的第三评价结果,获得所述第一组学员的团队评价结果。
4.如权利要求3所述的方法,其特征在于,所述根据所述每位学员的第三评价结果,获得所述第一组学员的团队评价结果,具体包括:
根据所述每位学员的所述基础能力评价结果进行等级划分,获得所述第一组学员的能力分布情况;
根据所述能力分布情况按照预定权重分配规则,获得第一权重比;
根据所述第一权重比、所述能力分布情况和所述每位学员的所述第三评价结果,获得所述第一组学员的团队评价结果。
5.如权利要求4所述的方法,其特征在于,所述根据所述能力分布情况按照预定权重分配规则,获得第一权重比,包括:
获得预定能力分布阈值;
如果所述能力分布情况不在所述预定能力分布阈值之内,按照所述能力分布情况与所述团队评价结果的反相关关系,获得所述第一权重比。
6.一种啦啦操训练效果的智能评价系统,其特征在于,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一标准啦啦操视频信息,将所述第一标准啦啦操视频信息作为评价标准;
第一执行单元,所述第一执行单元用于根据所述第一标准啦啦操视频信息,构建音频片段数据库和与所述音频片段数据库中的各音频相匹配的视频片段数据库;
第二执行单元,所述第二执行单元用于从所述音频片段数据库中随机获取第一音频片段,从所述视频片段数据库中随机获取第一视频片段,所述第一视频片段与所述第一音频片段相匹配;
第二获得单元,所述第二获得单元用于根据所述第一音频片段,获得第一测试视频信息,所述第一测试视频信息包括第一学员做出动作的视频信息;
第三获得单元,所述第三获得单元用于根据所述第一测试视频信息和所述第一音频片段,获得第一节奏匹配度信息;
第四获得单元,所述第四获得单元用于根据所述第一测试视频信息和所述第一视频片段,获得第一动作标准度信息;
第五获得单元,所述第五获得单元用于根据所述第一节奏匹配度信息和所述第一动作标准度信息通过Logistic回归模型进行综合评价,获得第一评价结果;
第三执行单元,所述第三执行单元用于将所述第一节奏匹配度信息和所述第一动作标准度信息输入Logistic回归模型;
第四执行单元,所述第四执行单元用于所述Logistic回归模型通过多组训练数据训练至收敛获得,其中每组训练数据中都包括所述第一节奏匹配度信息和所述第一动作标准度信息;
第二十六获得单元,所述第二十六获得单元用于获得所述Logistic回归模型的输出信息,所述输出信息包括所述第一评价结果;
第六获得单元,所述第六获得单元用于获得所述第一学员对所述第一标准啦啦操视频信息的第一学习时长和第一训练时长;
第七获得单元,所述第七获得单元用于根据大数据获取所述第一标准啦啦操视频信息的学习时长集合和训练时长集合进行曲线拟合,获得第一学习评价曲线;
第八获得单元,所述第八获得单元用于将所述第一学习时长和所述第一训练时长输入所述第一学习评价曲线,获得第一学习评价参数;
第九获得单元,所述第九获得单元用于根据所述第一学习评价参数对所述第一评价结果进行调整,获得第二评价结果。
7.一种啦啦操训练效果的智能评价系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至5任一项所述方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210079616.7A CN115527264B (zh) | 2022-01-24 | 2022-01-24 | 一种啦啦操训练效果的智能评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210079616.7A CN115527264B (zh) | 2022-01-24 | 2022-01-24 | 一种啦啦操训练效果的智能评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115527264A CN115527264A (zh) | 2022-12-27 |
CN115527264B true CN115527264B (zh) | 2023-05-05 |
Family
ID=84693529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210079616.7A Active CN115527264B (zh) | 2022-01-24 | 2022-01-24 | 一种啦啦操训练效果的智能评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115527264B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516005A (zh) * | 2021-03-30 | 2021-10-19 | 杭州电子科技大学 | 一种基于深度学习和姿态估计的舞蹈动作评价系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502107A (zh) * | 2019-07-26 | 2019-11-26 | 森博迪(深圳)科技有限公司 | 可穿戴实时动作指导系统和方法 |
CN111563487B (zh) * | 2020-07-14 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 基于姿态识别模型的舞蹈评分方法及相关设备 |
CN113158914B (zh) * | 2021-04-25 | 2022-01-18 | 胡勇 | 一种舞蹈动作姿态、节奏和表情的智能评估方法 |
CN113539419A (zh) * | 2021-08-01 | 2021-10-22 | 重庆医科大学附属第一医院 | 一种卒中健身操效果评估方法和系统 |
-
2022
- 2022-01-24 CN CN202210079616.7A patent/CN115527264B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516005A (zh) * | 2021-03-30 | 2021-10-19 | 杭州电子科技大学 | 一种基于深度学习和姿态估计的舞蹈动作评价系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115527264A (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10773124B2 (en) | Biometric assessment in fitness improvement | |
Lockie et al. | Effects of sprint and plyometrics training on field sport acceleration technique | |
Maszczyk et al. | A neural network model approach to athlete selection | |
Carello et al. | Physics and psychology of the muscle sense | |
Abut et al. | Machine learning and statistical methods for the prediction of maximal oxygen uptake: recent advances | |
Ivashchenko et al. | Physical exercises’ mastering level in classification of motor preparedness of 11-13 years old boys | |
Hamam et al. | A quality of experience model for haptic virtual environments | |
Mortensen et al. | Exploring novel objective functions for simulating muscle coactivation in the neck | |
Szabó et al. | Estimating task difficulty in educational games | |
CN115527264B (zh) | 一种啦啦操训练效果的智能评价方法及系统 | |
Xu | Empirical study on theories and techniques of adolescent physical health promotion under the background of big data | |
Huang | The influence of Sports Dance on the physical and Mental Development of Contemporary College Students based on Health detection | |
Song et al. | Pattern recognition characteristics and neural mechanism of basketball players’ dribbling tactics based on artificial intelligence and deep learning | |
Santana et al. | Interactive model tool about center of mass during covid-19 pandemic: a new learning path in stem for k-12 education | |
Xiang | Application and Prospect Analysis of Artificial Intelligence in the Field of Physical Education | |
Li et al. | Effects of artificial intelligence and virtual reality in martial arts sports on students’ physical and mental health | |
Hong et al. | Research on the Implementation of Public Physical Education under the Network Environment | |
Soares et al. | Validity and reliability of My Jump 2 app for jump performance in Judo players | |
CN115205740B (zh) | 一种健身操辅助教学方法及系统 | |
CN115661935B (zh) | 一种人体动作准确度确定方法和设备 | |
Wilson et al. | Bayesian analysis of changes in standing horizontal and vertical jump after different modes of resistance training | |
Luo et al. | Analysis and prediction on sports performance of primary school students | |
Tan et al. | Research on the development and testing methods of physical education and agility training equipment in universities | |
Ab Rasid et al. | Physical fitness and motor ability parameters as predictors for skateboarding performance: A logistic regression modelling analysis | |
Pavlova et al. | Human Morphofunctional Indicators-Based Decision Support System for Choosing Kind of Sport. |
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 |