文件名称：使用运动领域深度学习对未修剪视频中的人类活动进行识别-研究论文
文件大小：1.34MB
文件格式：PDF
更新时间：2024-06-09 10:47:12
Activity computer vision video CNN
技术的快速变化使当今的人类活动识别成为大多数研究主题。 作为运动摄像机，在各种各样的应用中，对于监视工作场所，办公室，工业，医院等不同领域的人类活动非常困难。 跟踪并维护实时摄像机的健康状况，并评估是否正确执行了操作。 计算机视觉领域可借助对象检测，特征提取，背景混乱，遮挡以及应用深度学习方法来找到人类完成的活动，并应用深度学习方法来解决问题。 在本文中，考虑体育活动是因为体育活动是当前存在的不同子活动的组合。 为了根据子活动识别主要活动，大多数体育游戏观察到，具有开始活动的运动是相同的，但是体育游戏的下一个子活动将有所不同，例如高跳，长跳，跳跃，板球保龄球，所有这些体育游戏都从相同的子活动开始，即跑步，但第二项活动使游戏与众不同，跳高是“跑步后跳高”，跳远是“跑步后跳远” ，而在板球运动中，保龄球就是“跑步后打保龄球”。 视频是最强大的知识媒体之一，它超越了体育领域。 任何级别的讲师或教练员如何可以使用视频分析来关注体育活动中人类活动的任何变化，特别是在比赛和训练记录中，以及如何提高效率。 视频是知识的源泉，正确使用视频将显着改善愿意做正确事情的任何导师。 因此，所有第二子活动都将体育游戏区分开来。 这是基于深度学习方法CNN和LSTM算法来发现子活动并认识到正确并改进子活动并改善主要运动活动的主要目标性能。