基于堆叠式长短期记忆网络的篮球运动员微动作评价方法

作     者：牛程程 鲁大营 郑亚淼 NIU Chengcheng;LU Daying;ZHENG Yamiao

作者机构：青岛黄海学院通识教育学院山东青岛266427 曲阜师范大学软件学院山东济南273165 曲阜师范大学体育科学学院山东济南273165 

出 版 物：《湖南科技大学学报（自然科学版）》 (Journal of Hunan University of Science And Technology：Natural Science Edition)

年 卷 期：2022年第37卷第2期

页      面：95-103页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山东省高等学校科技计划项目资助(J15LN83) 山东省社会科学规划研究项目资助(14CTYJ21) 

主　　题：深度学习 长短期记忆网络 时空跟踪数据 篮球微动作 下采样 

摘      要：为了评估运动员微动作在持球回合中的贡献,提出一个端到端深度学习的评价方法.所提方法不需要复杂的特征提取(如状态间转换的定义和建模),而是将球员和篮球的原始轨迹作为输入,利用堆叠式长短期记忆(Long Short-Term Memory,LSTM)网络学习时空窗口的特征表示,通过一个额外的全连接层对场上球员的隐性空间表征进行级联处理.利用Softmax层对球员的终结动作(如投篮得分、失误、犯规等)的概率进行估计,每个终结动作均与一个预期分值关联,并用其估计预期得分.为了解决数据的不平衡性,对训练阶段使用参数化的下采样方案.实验结果表明:所提方法可以准确地估计回合结果的概率分布,对技术统计数据之外的微动作评价具有参考价值.