文献类型：期刊文章

作　　者：徐广[1] 吴星辰[2]

XU Guang;WU Xingchen(Sports Department,Shenyang Aerospace University,Shenyang 110136,China;Jiushao Institute of AI Algorithm,Jihua Laboratory,Foshan 528200,China)

机构地区：[1]沈阳航空航天大学体育部综合教研室,沈阳110136 [2]季华实验室九韶人工智能算法研究院,佛山528200

出　　处：《中南民族大学学报（自然科学版）》

基　　金：沈阳航空航天大学教改资助项目(JG2022120)。

年　　份：2023

卷　　号：42

期　　号：6

起止页码：839-845

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、RCCSE、核心刊

摘　　要：由于专业运动知识的匮乏、动作评估准确度低等问题,导致人们对运动训练的积极性不高,运动水平提升慢以及身体出现不同程度的损伤等,针对以上问题,提出一种基于注意力机制的轻量级采样模块的HRnet(Lightweight Sampling Attention block HRnet,LSA-HRnet)人体姿态估计模型对运动过程中的动作进行分析和评估,提出的算法采用轻量级采样块网络和融合注意力机制实现模型的轻量化以及模型性能的提升.相比原始HRnet模型及其他的优秀人体姿态估计SCnet模型、轻量级Lite-HRnet,在自制太极拳的实验结果表明提出的模型能够有效的提高预测精度和降低参数量.基于提出方法能丰富混合现实技术在运动领域的发展的技术理论,改进现存运动问题、激发练习兴趣和提升体质健康.

关 键 词：HRnet模型  人体姿态估计  混合现实  太极拳运动

分 类 号：TP391.4]