终检评审通过 创新训练 520计算机科学技术 理论研究-科学技术市级

由于真实的生活场景往往是复杂多变的，即使是同一重复运动的频率和外观模态也会呈现较大差异。我们通过使用基于大规模数据集的训练模型，提取基于神经网络的包含视频动作的时间演化特性和独特的外观、运动模式的时空特征。然后通过PCA降维，获得凸显重复运动特性的主成分，另外基于傅里叶变换得到的频谱图，通过分段阈值滤波去除噪声、平滑时序波形，根据峰值检测完成重复动作计数任务。最终实现无约束视频的重复计数，我们的方法与现有方法相比，简单灵活，并且不需要预先训练和定义各种可能的运动模式。项目目前的应用方向是为健身者对运动过程进行评估，提供运动结果反馈。