从顶尖运动员视频记录中挖掘自动估计的姿态

基于最先进 DNN 的人体姿态检测系统正被扩展、适配和再训练以适配特定运动的应用领域。因此，从定期频繁录制的视频中将很快获得大量含噪姿态数据。本工作是首批开发挖掘算法的研究之一，能够从个人运动视频记录中挖掘预期的丰富含噪且无标注的姿态数据。以具有主导周期性运动的游泳为例，我们展示了如何确定无监督时间连续周期速度与显著时间姿态，并度量无监督周期随时间的稳定性。此外，我们以具有刚性基于相位运动的跳远为例，提出一种将时间估计姿态序列自动划分至各自相位的技术。这使得提取目前国家职业体育协会使用的与表现相关的、基于姿态的指标成为可能。实验结果证明了我们的挖掘算法的有效性，其亦可应用于其他基于周期或基于相位的运动类型。