本技術(shù)涉及數(shù)據(jù)識別，特別是涉及一種基于動作識別的智能跳繩評分方法。

背景技術(shù)：

1、跳繩運動作為一項簡單有效的體育活動，在學校教育和健身領(lǐng)域中廣受歡迎。它不僅能夠強身健體，還能培養(yǎng)學生的毅力和自信心。為了激發(fā)學生的運動熱情，許多學校定期舉辦跳繩比賽。然而，隨著參與人數(shù)的增加和比賽規(guī)模的擴大，傳統(tǒng)的人工評分方式面臨著諸多挑戰(zhàn)。

2、首先，人工評分容易受到主觀因素的影響，難以保證評分標準的一致性。不同評委之間的評分標準差異可能導致評分結(jié)果的偏頗。例如，對于復雜的跳繩動作，不同評委可能因為關(guān)注點不同而給出差異較大的分數(shù)。其次，人工評分的速度較慢，難以滿足大規(guī)模比賽的效率需求。這不僅延長了比賽的整體時長，也影響了參賽跳繩者和觀眾的體驗。

3、此外，傳統(tǒng)的評分方法難以捕捉和量化跳繩動作的細微差別。跳繩運動涉及速度、姿態(tài)穩(wěn)定性、空間控制和動作流暢度等多個方面，人眼觀察很難在短時間內(nèi)對這些因素進行精確評估。特別是在高水平的比賽中，跳繩者之間的差距可能非常小，需要更加精細的評分系統(tǒng)來區(qū)分。

4、現(xiàn)有的一些電子計數(shù)器雖然可以準確記錄跳繩次數(shù)，但無法評估動作的質(zhì)量和難度。而一些基于傳感器的評分系統(tǒng)，雖然能夠提供一些客觀數(shù)據(jù)，但安裝復雜，且容易受到跳繩者體型差異和設(shè)備佩戴位置的影響，難以在大規(guī)模比賽中推廣使用。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種能夠準確對跳繩進行評分的基于動作識別的智能跳繩評分方法。

2、一種基于動作識別的智能跳繩評分方法，包括以下步驟：

3、通過高清攝像機獲取跳繩者的視頻數(shù)據(jù)，對視頻數(shù)據(jù)進行分析，獲得第一數(shù)據(jù)集、第二數(shù)據(jù)集和繩索運動狀態(tài)數(shù)據(jù)；第一數(shù)據(jù)集包括跳繩速度信息、姿態(tài)穩(wěn)定性指數(shù)、運動軌跡數(shù)據(jù)和場地參數(shù)信息；第二數(shù)據(jù)集包括跳繩者的垂直運動幅度和水平位移信息；

4、基于第一數(shù)據(jù)集，獲取等效跳繩指標；等效跳繩指標包括跳繩速度、姿態(tài)穩(wěn)定性、空間位置和動作流暢度；

5、根據(jù)跳繩速度、姿態(tài)穩(wěn)定性、空間位置和動作流暢度，獲取等效動作得分；

6、基于第二數(shù)據(jù)集和等效動作得分，獲取融合動作評分；

7、根據(jù)繩索運動狀態(tài)數(shù)據(jù)，獲取繩索張力數(shù)據(jù)，并根據(jù)繩索張力數(shù)據(jù)判斷當前動作類型；

8、根據(jù)第一數(shù)據(jù)集中的姿態(tài)穩(wěn)定性指數(shù)與預設(shè)數(shù)據(jù)庫中期望姿態(tài)模型對比，若姿態(tài)穩(wěn)定性指數(shù)滿足預設(shè)條件，則獲取跳繩者出現(xiàn)動作失誤的判斷結(jié)果；預設(shè)條件為以下條件的一種或任意組合：姿態(tài)不穩(wěn)定條件、節(jié)奏不一致條件或完全失誤條件；

9、根據(jù)當前動作類型、判斷結(jié)果和預設(shè)評分策略，獲取跳繩者跳繩過程中不同時段的得分結(jié)果，并根據(jù)得分結(jié)果計算綜合跳繩評分。

10、在一個實施例中，還包括以下步驟：根據(jù)等效動作得分，獲取跳繩者在兩個非關(guān)鍵動作之間的跳變次數(shù)；若在設(shè)定時間周期內(nèi)，跳變次數(shù)小于預設(shè)閾值，則將綜合跳繩評分作為最終跳繩評分；若在設(shè)定時間周期內(nèi)，跳變次數(shù)大于或等于預設(shè)閾值，則對綜合跳繩評分進行調(diào)整，獲取最終跳繩評分。

11、在其中一個實施例中，根據(jù)跳繩速度、姿態(tài)穩(wěn)定性、空間位置和動作流暢度，獲取等效動作得分的步驟中，包括步驟：

12、采用統(tǒng)一的評分函數(shù)將跳繩速度、姿態(tài)穩(wěn)定性、空間位置和動作流暢度分別映射入相同的第一記分制度，分別得到跳繩速度對應(yīng)的第一映射得分、姿態(tài)穩(wěn)定性對應(yīng)的第二映射得分、空間位置對應(yīng)的第三映射得分和動作流暢度對應(yīng)的第四映射得分；

13、獲取第一映射得分、第二映射得分、第三映射得分和第四映射得分的和值；

14、獲取第一映射得分、第二映射得分、第三映射得分和第四映射得分中的最大值和最小值，根據(jù)最大值和最小值獲取變現(xiàn)差因子；

15、獲取第一映射得分、第二映射得分、第三映射得分和第四映射得分的平均值，獲取第一映射得分、第二映射得分、第三映射得分和第四映射得分的標準差，根據(jù)平均值和標準差獲取一致性因子；

16、根據(jù)和值、變現(xiàn)差因子和一致性因子，獲取等效動作得分。

17、在其中一個實施例中，基于第二數(shù)據(jù)集和等效動作得分，獲取融合動作評分的步驟中，還包括步驟：

18、對垂直運動幅度和水平位移信息進行標準化處理，映射入第二記分制度，得到垂直運動幅度對應(yīng)的第一標準化得分，水平位移信息對應(yīng)的第二標準化得分；

19、對第一標準化得分和第二標準化得分進行權(quán)重處理，得到動作難度系數(shù)；

20、根據(jù)動作難度系數(shù)和等效動作得分，得到融合動作評分。

21、在其中一個實施例中，根據(jù)繩索運動狀態(tài)數(shù)據(jù)，獲取繩索張力數(shù)據(jù)，并根據(jù)繩索張力數(shù)據(jù)判斷當前動作類型的步驟中，包括步驟：

22、基于歷史數(shù)據(jù)、專家分析和比賽級別，設(shè)定第一關(guān)鍵閾值和第二關(guān)鍵閾值；

23、當繩索張力數(shù)據(jù)小于或等于第一關(guān)鍵閾值時，判定當前動作類型為非關(guān)鍵動作；

24、當繩索張力數(shù)據(jù)大于第一關(guān)鍵閾值且小于第二關(guān)鍵閾值時，判定當前動作類型為關(guān)鍵動作；

25、當繩索張力數(shù)據(jù)大于或等于第二關(guān)鍵閾值時，判定當前動作類型為高難度動作。

26、在其中一個實施例中，還包括步驟：

27、以第一關(guān)鍵閾值為中心，第一誤差值為半徑，建立第一緩沖區(qū)；

28、以第二關(guān)鍵閾值為中心，第二誤差值為半徑，建立第二緩沖區(qū)；

29、當繩索張力數(shù)據(jù)處于第一緩沖區(qū)或第二緩沖區(qū)，基于當前動作類型對應(yīng)的動作的持續(xù)時間和前后文，判斷當前動作類型。

30、在其中一個實施例中，根據(jù)第一數(shù)據(jù)集中的姿態(tài)穩(wěn)定性指數(shù)與預設(shè)數(shù)據(jù)庫中期望姿態(tài)模型對比，若姿態(tài)穩(wěn)定性指數(shù)滿足預設(shè)條件，則獲取跳繩者出現(xiàn)動作失誤的判斷結(jié)果的步驟中，包括步驟：

31、基于以下步驟判斷姿態(tài)穩(wěn)定性指數(shù)是否滿足姿態(tài)不穩(wěn)定條件：

32、采用滑動時間窗口技術(shù)，在預設(shè)窗口內(nèi)計算姿態(tài)穩(wěn)定性指數(shù)的標準差；

33、將姿態(tài)穩(wěn)定性指數(shù)的標準差與期望姿態(tài)模型的預設(shè)標準差閾值比較，若姿態(tài)穩(wěn)定性指數(shù)的標準差大于預設(shè)標準差閾值，則姿態(tài)穩(wěn)定性指數(shù)滿足姿態(tài)不穩(wěn)定條件，否則不滿足；

34、基于以下步驟判斷姿態(tài)穩(wěn)定性指數(shù)是否滿足節(jié)奏不一致條件：

35、處理第一數(shù)據(jù)集，獲取跳繩者每次跳躍的跳躍高度；

36、計算各相鄰的跳躍高度之間的時間間隔，形成時間間隔序列；

37、根據(jù)時間間隔序列，計算變異系數(shù)；

38、將變異系數(shù)與期望姿態(tài)模型的預設(shè)變異系數(shù)閾值比較，若變異系數(shù)大于預設(shè)變異系數(shù)閾值，則姿態(tài)穩(wěn)定性指數(shù)滿足節(jié)奏不一致條件，否則不滿足；

39、基于以下步驟判斷姿態(tài)穩(wěn)定性指數(shù)是否滿足完全失誤條件：

40、處理第一數(shù)據(jù)集，獲取跳繩者每次跳躍的跳躍高度；

41、將跳躍高度與期望姿態(tài)模型的預設(shè)高度閾值比較，若跳躍高度小于預設(shè)高度閾值，則姿態(tài)穩(wěn)定性指數(shù)滿足完全失誤條件，否則不滿足。

42、在其中一個實施例中，根據(jù)當前動作類型、判斷結(jié)果和預設(shè)評分策略，獲取跳繩者跳繩過程中不同時段的得分結(jié)果，并根據(jù)得分結(jié)果計算綜合跳繩評分的步驟中，包括步驟：

43、預設(shè)評分策略包括非關(guān)鍵動作評分策略、關(guān)鍵動作評分策略和高難度動作評分策略；

44、將視頻數(shù)據(jù)劃分成n個視頻子數(shù)據(jù)；

45、根據(jù)視頻子數(shù)據(jù)中的當前動作類型，從非關(guān)鍵動作評分策略、關(guān)鍵動作評分策略和高難度動作評分策略，選擇對應(yīng)的評分策略；

46、基于對應(yīng)的評分策略和視頻子數(shù)據(jù)中的判斷結(jié)果，計算視頻子數(shù)據(jù)的得分結(jié)果；

47、根據(jù)得分結(jié)果和視頻子數(shù)據(jù)的持續(xù)時長，計算綜合跳繩評分。

48、在其中一個實施例中，根據(jù)等效動作得分，獲取跳繩者在兩個非關(guān)鍵動作之間的跳變次數(shù)的步驟中，包括步驟：

49、設(shè)置融合動作評分閾值和第二動作評分閾值；

50、當?shù)刃幼鞯梅謴牡陀谌诤蟿幼髟u分閾值上升至高于第二動作評分閾值，記錄一次正向跳變；

51、當?shù)刃幼鞯梅謴母哂诘诙幼髟u分閾值下降至低于融合動作評分閾值，記錄一次反向跳變；

52、統(tǒng)計設(shè)定時間周期內(nèi)正向跳變和反向跳變的總次數(shù)。

53、在其中一個實施例中，若在設(shè)定時間周期內(nèi)，跳變次數(shù)大于或等于預設(shè)閾值，則對綜合跳繩評分進行調(diào)整，獲取最終跳繩評分的步驟中，包括步驟：

54、根據(jù)動作難度系數(shù)、動作難度系數(shù)對應(yīng)的得分結(jié)果和高動態(tài)段落內(nèi)的動作總數(shù)，得到修改融合評分；高動態(tài)段落為跳變次數(shù)大于或等于預設(shè)閾值的視頻子數(shù)據(jù)；將視頻數(shù)據(jù)劃分成n個視頻子數(shù)據(jù)；

55、對動作難度系數(shù)對應(yīng)的得分結(jié)果和修改融合評分進行加權(quán)處理，得到調(diào)整評分；

56、基于調(diào)整評分對綜合跳繩評分進行調(diào)整，獲取最終跳繩評分。

57、上述技術(shù)方案中的一個技術(shù)方案具有如下優(yōu)點和有益效果：

58、本技術(shù)通過以下步驟：通過高清攝像機獲取跳繩者的視頻數(shù)據(jù)，對視頻數(shù)據(jù)進行分析，獲得第一數(shù)據(jù)集、第二數(shù)據(jù)集和繩索運動狀態(tài)數(shù)據(jù)；基于第一數(shù)據(jù)集，獲取等效跳繩指標：根據(jù)跳繩速度、姿態(tài)穩(wěn)定性、空間位置和動作流暢度，獲取等效動作得分；基于第二數(shù)據(jù)集和等效動作得分，獲取融合動作評分；根據(jù)繩索運動狀態(tài)數(shù)據(jù)，獲取繩索張力數(shù)據(jù)，并根據(jù)繩索張力數(shù)據(jù)判斷當前動作類型；根據(jù)第一數(shù)據(jù)集中的姿態(tài)穩(wěn)定性指數(shù)與預設(shè)數(shù)據(jù)庫中期望姿態(tài)模型對比，若姿態(tài)穩(wěn)定性指數(shù)滿足預設(shè)條件，則獲取跳繩者出現(xiàn)動作失誤的判斷結(jié)果；根據(jù)當前動作類型、判斷結(jié)果和預設(shè)評分策略，獲取跳繩者跳繩過程中不同時段的得分結(jié)果，并根據(jù)得分結(jié)果計算綜合跳繩評分。實現(xiàn)統(tǒng)一評分標準，避免傳統(tǒng)人工評分的主觀因素，能夠捕捉跳繩動作的細節(jié)，結(jié)合跳繩動作的質(zhì)量和難度，對跳繩進行更加精細地評分。