陈长宇, 赵海峰, 高顺祥, 王娜, 窦如林, 吴畏, 张燕
betway官网学报. 2025, 41(3): 1.
摘要 (
)
PDF全文 (
)
可视化
收藏
针对传统方法难以分割赛艇运动训练和比赛长视频的动作单元,提出融合时序分割与深度学习的视觉分析方法,构建了首个多场景赛艇动作数据集RowingAct-V1,涵盖陆上测功仪与水上艇体场景,标注大规模“拉桨-回桨”动作周期。该方法设计两阶段框架,第一阶段基于动态时间规整的算法定位动作边界,第二阶段改进PoseC3D网络,通过骨骼热图建模时空特征。在RowingAct-V1上的动作分割F1-score达94.6%(提升31.5%),陆地动作识别准确率达93.5%,验证了方法的可用性。同时,通过该方法建立纯视觉评估方案,提出“分割-识别”联合训练框架并定量揭示不同训练模式的生物力学差异,为竞技体育的动作分析提供可扩展的技术框架,具有实际应用价值。