论文信息

`题目：基于人体姿态识别的立定跳远 动作智能评估系统
发表：人工智能-产业应用
作者：李晟 1，宋可儿 2，欧阳柏强 1，张博中 1，刘宠 1，刘朋 1，刘睿

背景

传统的立定跳远比赛各个环节依赖裁判的评估，并且立定跳远教学场景中的动作不规范及成绩量化不统一等问题。 计算机视觉技术的发展为自动化的体育运动评判，打分提供了一种可能。

这篇论文就是提出了一种能够基于视频直接自动评估立定跳远的智能系统。基本思路：该系统首先对标准姿态视频进行关键点估计,并对其进行数据预处理,在此基础上将立定跳远特征与专家意见相结合,构建立定跳远标准动作数据信息库;然后采用摄像头捕获待评估人员姿态,将其与库中的立定跳远标准姿态进行关键帧匹配;最后采用皮尔逊积矩相关系数综合各关键点对立定跳远运动的影响程度,并将其与计算向量相似度及关键特征姿态角度等方法结合,定义了立定跳远动作规范性评价指标,以进行姿态的差异化比对。

方法

系统总体设计

系统有以下三个子系统构成：标准动作库子系统、动作采集子系统，以及人体姿态动作评估子系统

下图为系统的工作流程

立定跳远动作智能评估系统

标准动作库子系统

如下图所示，根据国家体育锻炼标 准和专家建议，对立定跳远整个动作进行分解，得到了 7 种动作特征，通过这 7 种动作特征进行关键点匹配，

同时作者分析了运动过程中关键点趋势变化，如下图：

动作采集子系统

人体姿态动作评估子系统

人体姿态动作评估子系统使用人体姿态评估模型进行姿态估计；其次，根据上文所定义的立定跳远标准技术动作特征，抽取标准姿态视频与待评估姿态视频中的相似帧进行人体姿态匹配；最后，根据人体姿态的特征选取合适的骨骼点组成特征向量及关键特征姿态，通过对比向量的相似度及特征姿态的角度，结合其与标准姿态的相关系数评估待评估姿态的准确率，并分析它们之间的差异。

人体姿态评估模型

由三部分组成，第一部分为人体检测，使用目标检测模型YOLOv5[12]；第二部分使用骨干网络为 HRNet[13] 的 AlphaPose[14] 模型处理人体检测框，对人体检测框进行优化；第三部分使用 Dark 对解码策略进行了优化。

立定跳远关键帧匹配

中使用 10 个关键帧衡量立定跳远动作的准确性。如何进行匹配？其选取的依
据就是根据人体姿态各部位之间的角度、在连续帧中的位置，以及骨骼点相对于图片的
(,) X Y 坐标等，按照一定的比例系数计算其关键帧相似度，公式如下所示

姿态评估及对比

根据立定跳远运动的特点，四肢在整个运动中具有较大的波动，而脊柱中心（K0 与K7 分别为肩部及髋部中点）则相对稳定。因此，本文以髋部中心点 K7 作为基准点，评估分析四肢在整个运动过程中的变化。首先，按照标准动作中人员的髋部中心点坐标，将待评估人员对应部位移动到相同位置。以动作开始前人员站立姿态为标准，计算标准姿态与待评估姿态各关节点坐标 值和 值之间的比率。以左上肢为例，公式分别如下

按照一定比例系数计算其关键帧总体相关系数，公式如下

利用余弦相似度进行评估，其公式如下所示

其中特征向量的模：

分别求取标准姿态与待测姿态中关键特征姿态向量组成的角度，并进行对比分析，
发现其差异

分别计算待评估帧与标准帧中 8 组角度的具体数值，再根据下述公式进行组合，求
得最后计算角度得分部分

最终，单帧的评分公式如下：

最终的得分公式如下：

总结

在某些特殊情况下存在骨骼关键点跳动等不稳定因素，