| 黄建浩,钟映春,张钢,赖志飞,杨铠康,张永恒.Yolov7-pose识别运动员姿态时关键点异常的消除方法[J].井冈山大学自然版,2024,45(3):71-78 |
| Yolov7-pose识别运动员姿态时关键点异常的消除方法 |
| Method for Eliminating Abnormal Key Points in Athlete Posture Recognition using Yolov7-pose |
| 投稿时间：2023-11-24 修订日期：2024-02-20 |
| DOI：10.3969/j.issn.1674-8085.2024.03.011 |
| 中文关键词: 篮球比赛 姿态检测 深层聚合网络 注意力机制 |
| 英文关键词: basketball game posture estimation deep aggregation network attention mechanism |
| 基金项目:国家自然科学基金项目(61975248) |
| 作者 | 单位 | | 黄建浩 | 广东工业大学自动化学院, 广东, 广州 510006 | | 钟映春 | 广东工业大学自动化学院, 广东, 广州 510006 | | 张钢 | 广东工业大学自动化学院, 广东, 广州 510006 | | 赖志飞 | 广州市番禺职业技术学院, 广东, 广州 511483 | | 杨铠康 | 深圳云动家体育科技有限公司, 广东, 深圳 518115 | | 张永恒 | 深圳云动家体育科技有限公司, 广东, 深圳 518115 |
|
| 摘要点击次数: 14 |
| 全文下载次数: 22 |
| 中文摘要: |
| 本研究首先构建了深度聚合网络（deep layer aggregation，DLA），用于替换Yolov7-pose算法中原有的特征融合网络，增强了特征的表达；其次，将高效聚合网络（efficient layer aggregation Net, ELAN）和尺度感知注意力网络（scale-aware attention Net, SAAN）融合在一起，引入到Yolov7-pose算法中；然后，引入尺度因子到Yolov7-pose算法的损失函数中，并通过实验确定尺度因子最佳值。实验结果表明，经过本法改进的方法识别篮球比赛视频流中的多名运动员姿态时，不再出现关键点异常现象，姿态识别的精度达到95%以上，运行效率达到24 FPS以上，综合性能显著优于原始Yolov7-pose算法等算法。 |
| 英文摘要: |
| This paper proposes several enhancements to the original Yolov7-pose algorithm: firstly, constructing a deep layer aggregation network (DLA) to replace the existing feature fusion network and enhance feature expression; secondly, fusing ELAN (efficient layer aggregation net) and SAAN (scale-aware attention net) into the Yolov7-pose algorithm; thirdly, introducing a scale factor into the loss function of the Yolov7-pose algorithm and determining its optimal value through experiments. Experimental results demonstrate that these improvements eliminate key point anomalies in posture recognition, achieving an accuracy rate exceeding 95% and operating efficiency surpassing 24FPS. The comprehensive performance surpasses that of the original Yolov7-pose algorithm and other algorithms significantly. |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
