基于三维姿态重构的士兵体能训练评估系统关键技术研究

作     者：李岳松 

作者单位：河北经贸大学 

学位级别：硕士

导师姓名：曾文献

授予年度：2024年

学科分类：11[军事学] 040303[教育学-体育教育训练学] 0403[教育学-体育学] 1106[军事学-军制学] 1105[军事学-军队指挥学] 04[教育学] 1110[军事学-军事训练学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 110506[军事学-军事教育训练学(含∶军事体育学)] 110602[军事学-军队管理学] 

主      题：人体姿态估计 三维人体姿态重构 体能训练评估 

摘      要：目前的士兵体能训练评估主要采用人工评估、可穿戴的惯性传感器和计算机视觉三种方式,其中人工评估和可穿戴的惯性传感器方式成本高且效果受到影响表现不佳,计算机视觉评估更加准确高效,基于二维人体姿态的评估方式缺失人体深度信息不够科学准确,因此本文基于三维人体姿态,提出了轻量化人体骨骼提取网络提取二维人体姿态并引入时空混合注意力网络重构为三维人体姿态,参考标准动作进行动作计数和动作标准度评估,基于上述研究本文提出了基于三维姿态重构的士兵体能训练评估系统。主要研究内容如下: (1)提出了轻量化人体骨骼提取网络CSPposeur,将Poseur中的骨干网络结合深度可分离卷积和CSPnext瓶颈残差网络结构进行轻量化改进,同时引入卷积注意力模块和门控注意力单元弥补网络预测准确度。通过在COCO和MPII数据集上进行实验分析,网络参数量下降了55.6%,运算量下降了74%,在基本保持网络预测准确度的同时实现了轻量化改进。 (2)提出了三维人体姿态重构网络AMste,以二维人体姿态序列作为输入重构三维人体姿态序列。针对Mix STE中关节点特征提取能力不足的问题,引入ECA通道注意力模块增加网络自适应学习输入特征的能力。为提升网络预测准确度改进了带残差连接的时间空间混合注意力模块,在网络损失函数中引入关节点权重,并加入时间一致性和关节点速度误差。通过在Human3.6M数据集上实验分析得出,在网络参数量和复杂度基本保持的情况下,AMste网络在MPJPE上误差减少了2.2mm。 (3)实现了士兵体能训练评估系统,提出了一种基于视频中的三维人体姿态动作标准度评估方法,使用(1)、(2)两种算法得到三维人体姿态,通过与标准动作进行动作相似度计算和动态时间规整计算实现士兵体能训练的动作计数和动作标准度评估。最后模拟士兵训练场景对系统进行测试,证明了本文提出的士兵体能训练评估系统具有良好实用性。