Modelo de reconhecimento de imagem em movimento de Taekwondo baseado em algoritmo de rede neural híbrida para sensor vestível da Internet das Coisas

Scientific Reports volume 13, Artigo número: 13097 (2023) Citar este artigo

287 Acessos

3 Altmétrico

Detalhes das métricas

O modelo de reconhecimento de imagem em movimento de Taekwondo com sensor vestível IoT convencional usa principalmente uma estrutura de âncora de corpo inteiro de proporção fixa de âncora para extrair recursos de reconhecimento, que são vulneráveis ​​​​ao ruído dinâmico, resultando em baixa taxa de reconhecimento de deslocamento da imagem em movimento. Portanto, um novo modelo de reconhecimento de imagem em movimento de Taekwondo com sensor vestível IoT precisa ser projetado com base no algoritmo de rede neural híbrida. Ou seja, os recursos de imagem em movimento de Taekwondo do sensor vestível são extraídos e o algoritmo de rede neural híbrida é usado para gerar o modelo de otimização do reconhecimento de imagem em movimento de Taekwondo do sensor vestível da Internet das Coisas, de modo a obter reconhecimento eficaz de imagens em movimento de Taekwondo . Os resultados experimentais mostram que o sensor vestível projetado da Internet das Coisas baseado no algoritmo de rede neural híbrida tem uma alta taxa de reconhecimento do deslocamento da imagem em movimento do modelo de reconhecimento de imagem em movimento de Taekwondo, o que prova que o modelo de reconhecimento de imagem em movimento de Taekwondo projetado tem bom efeito de reconhecimento, confiabilidade e certo valor de aplicação, e fez certas contribuições para otimizar o movimento do Taekwondo.

Taekwondo é um evento olímpico oficial1, que evoluiu de Hualangdao na Coreia do Norte e mais tarde se tornou uma arte marcial popular na Ásia por muito tempo. No processo de Taekwondo, os atletas costumam usar as mãos e os pés para lutar com eficácia. Os primeiros praticantes de Taekwondo e os treinadores julgavam principalmente os movimentos dos atletas a olho nu2, o que era facilmente afetado por fatores subjetivos, levando a resultados de avaliação final imprecisos. No contexto da informatização, a avaliação das competições de Taekwondo também tem sido gradativamente atualizada, e ferramentas de processamento avançadas, como computadores, são utilizadas para avaliação3. No entanto, devido à influência das características de ação complexa do Taekwondo, seu reconhecimento de imagens em movimento é difícil e precisa ser concluído por meio de um modelo eficaz de reconhecimento de imagens em movimento.

O reconhecimento de imagens em movimento é uma tecnologia avançada de percepção computacional, que pode combinar o estado de interação entre o ser humano e o computador para completar o reconhecimento, gerando assim um modelo eficaz de reconhecimento de imagens em movimento4. Para melhorar o efeito de reconhecimento de imagens em movimento, é necessário capturar dados de percepção do comportamento humano e definir parâmetros de reconhecimento razoáveis5. Atualmente, muitos estudiosos nacionais e estrangeiros estão estudando o problema da percepção de reconhecimento de movimento e apresentam uma variedade de suposições de reconhecimento de percepção de imagem em movimento. No entanto, devido à falta de experiência relevante6,7, o efeito de reconhecimento da maioria dos modelos existentes de reconhecimento de imagens em movimento é geral.

No início do processo de reconhecimento de imagens em movimento humano, uma câmera especial foi usada principalmente. Esta câmera pode capturar sequências eficazes de imagens em movimento para identificar o movimento humano8. Neste momento, a câmera também é chamada de câmera de percepção. Com o progresso da tecnologia de visão computacional, para obter os dados de imagens de movimento humano9,10 de todos os ângulos, cada vez mais câmeras perceptivas são usadas, e o número total de imagens de movimento As sequências tiradas pelas câmeras estão aumentando, então o efeito de reconhecimento é relativamente melhorado. No entanto, pesquisas mostram que as limitações de reconhecimento dos métodos de reconhecimento acima são grandes e são vulneráveis ​​à luz, à localização da câmera de percepção, à oclusão e a outros fatores, resultando em alto desvio de reconhecimento único11. Além disso, a privacidade do seu reconhecimento é relativamente intrusiva e não são adequados para uso em algumas cenas. A fim de resolver os problemas acima, este artigo constrói um novo modelo de reconhecimento de imagem em movimento de Taekwondo com sensor vestível baseado no algoritmo de rede neural híbrida.

Sensores vestíveis são dispositivos sensores que podem ser usados ​​no corpo para coletar dados. Vários tipos de sensores vestíveis que podem ser usados ​​para extração de recursos incluem: