摘要
随着人工智能技术日趋成熟，计算机视觉技术也越发重要，然而在传统运动体育领域，计算机视觉及应用还有很大拓展空间。太极拳作为中华民族传统文化的优良载体，应当加入现代科技元素，可以使其增加受众范围，还可以让参与者在运动中感受到科技的乐趣。本文将姿态识别算法与太极拳相结合，通过姿态识别算法，提取图片中人体动作的关键点数据，轻量化神经网络提取动作特征，进行角度和距离的双重判断，选取与标准动作误差最小的动作，作为识别结果进行实时反馈，结果可视化让用户更有运动体验，提升传统体育运动的乐趣。通过轻量化网络、计算机视觉、可视化工具的结合，不仅有助于将太极拳数字化，还推动了人工智能在体育运动领域的应用。本文主要工作如下: 1).设计系统主要实现静态图片、动态视频中的每个人的太极拳姿态识别，GUI界面的设计与搭建，利用PyQt5作为设计并搭建GUI界面的工具。用户通过GUI程序来上传待识别的图片或视频，通过姿态识别算法解析每个人的肢体向量数据，使评判标准更加科学化、系统化，让用户直观判断肢体动作的正确性。 2).压缩模型大小，对神经网络内部结构进行优化，缩小卷积核的大小，使用小卷积代替7*7卷积核，与此同时会出现网络过深的问题，为此我们减少卷积核的个数，为了进一步减少网络的参数量，对卷积核进行部分舍弃，舍弃原来全部的3*3卷积核，将替换后的卷积核进行部分舍弃，舍弃原则就是，相邻卷积核只取其一，为了减少网络参数的数量，对每个3*3卷积核执行深度可分离卷积操作。 3).太极拳招式识别算法的设计，利用OpenPose得到图片中所有人的姿态数据，将每个人的姿态向量平移到坐标原点，给每个肢体设置一个权值，通过计算角度和距离，和标准姿势比较计算出误差值，选取误差值最小的招式作为识别动作。本方法对庞大的神经网络进行轻量化处理，针对太极拳动作进行参数微调优化，对结果进行评分和可视化展示，实验表明该方法较之前单一因素的，各个动作识别的准确率都得到了提高。
NETL