モノのインターネットのウェアラブルセンサー向けハイブリッドニューラルネットワークアルゴリズムに基づくテコンドー動画認識モデル

Scientific Reports volume 13、記事番号: 13097 (2023) この記事を引用

287 アクセス

3 オルトメトリック

メトリクスの詳細

従来のIoTウェアラブルセンサーのテコンドー動画認識モデルは主にアンカー固定比率の全身ターゲットアンカーフレームを利用して認識特徴を抽出していましたが、動的なノイズに弱く、動画の変位認識率が低くなってしまいました。 したがって、新しい IoT ウェアラブル センサー テコンドー動画認識モデルは、ハイブリッド ニューラル ネットワーク アルゴリズムに基づいて設計する必要があります。 つまり、ウェアラブルセンサーテコンドー動画の特徴を抽出し、ハイブリッドニューラルネットワークアルゴリズムを使用してモノのインターネットのウェアラブルセンサーテコンドー動画認識の最適化モデルを生成し、テコンドー動画の効果的な認識を実現します。 。 実験結果は、ハイブリッドニューラルネットワークアルゴリズムに基づいて設計されたモノのインターネットのウェアラブルセンサーがテコンドーモーション画像認識モデルのモーションイメージ変位の認識率が高いことを示し、設計されたテコンドーモーション画像認識モデルが優れた認識効果、信頼性、および一定の応用価値を備えており、テコンドー運動の最適化に一定の貢献を果たしています。

テコンドーはオリンピックの正式種目1であり、北朝鮮の花郎島から発展し、その後アジアで長く人気のある武道として発展しました。 テコンドーの過程では、アスリートは効果的に戦うために両手と両足を使うことがよくあります。 初期のテコンドーとコーチは主に選手の動きを肉眼で判断していました2。主観的な要素の影響を受けやすく、最終的な評価結果が不正確になってしまいました。 情報化の中で、テコンドー競技の評価も徐々に高度化されており、評価にはコンピュータなどの高度な処理ツールが使用されるようになっている3。 しかし、テコンドーは複雑な動作特徴の影響で動画認識が難しく、効果的な動画認識モデルを介して完成させる必要がある。

動画認識は高度なコンピュータ認識技術であり、人間とコンピュータの間のインタラクション状態を組み合わせて認識を完了し、効果的な動画認識モデルを生成できます4。 動画の認識効果を向上させるには、人間の行動知覚データを取得し、適切な認識パラメータを設定する必要があります5。 現在、国内外の多くの学者が運動認識知覚の問題を研究しており、さまざまな運動認識認識の仮定を提唱している。 ただし、関連する経験が不足しているため6、7、既存の動画認識モデルのほとんどの認識効果は一般的です。

人間の動画像認識プロセスの初期には、主に特殊なカメラが使用されていました。 このカメラは、人の動きを識別するために効果的な動画シーケンスを撮影できます8。 現時点では、カメラは知覚カメラとも呼ばれます。コンピュータビジョン技術の進歩に伴い、あらゆる角度から人間の動画像データ9,10を取得するために、ますます多くの知覚カメラが使用され、動画像の総数は増加しています。カメラで撮影したシーケンスが増加しているため、認識効果は相対的に向上しています。 しかし、研究によると、上記の認識方法の認識限界は大きく、光、知覚カメラの位置、オクルージョンなどの要因の影響を受けやすいため、固有の認識偏差が高くなります11。 さらに、認識プライバシーが比較的侵害されやすいため、一部のシーンでの使用には適していません。 上記の問題を解決するために,本論文はハイブリッドニューラルネットワークアルゴリズムに基づいた新しいウェアラブルセンサテコンドー運動画像認識モデルを構築した。

ウェアラブルセンサーは、身体に装着してデータを収集できるセンサーデバイスです。 特徴抽出に使用できるウェアラブル センサーには次のような種類があります。