基于 IoT 的 3D 姿态估计与运动优化：运用于运动员
计算机视觉与模式识别
2024-11-20 v1 机器学习
摘要
本研究提出了一种基于物联网的姿态优化网络（IoT-Enhanced Pose Optimization Network, IE-PONet），用于铁路赛 athletes 的高精度 3D 姿态估计与运动优化。IE-PONet 集成了 C3D 进行时空特征提取、OpenPose 进行实时关键点检测，以及贝叶斯优化进行超参数调优。在 NTURGB+D 和 FineGYM 数据集上的实验结果表明，性能卓越，AP^50 分数分别为 90.5 和 91.0，mAP 分数分别为 74.3 和 74.0。消融研究确认了每个模块在提高模型精度中发挥essential作用。IE-PONet 为运动员的运动表现分析和优化提供了一个稳健的工具，为训练和伤害预防提供精确的技术见解。未来工作将致力于进一步的模型优化、多模态数据集成以及开发实时反馈机制，以提升实际应用的实用性。
引用
@article{arxiv.2411.12676,
title = {IoT-Based 3D Pose Estimation and Motion Optimization for Athletes: Application of C3D and OpenPose},
author = {Fei Ren and Chao Ren and Tianyi Lyu},
journal= {arXiv preprint arXiv:2411.12676},
year = {2024}
}
备注
17 pages