Acceso usuarios
Qiang Yin, Dong Wang, Lin Zhang
El objetivo de este estudio es mejorar la eficacia de los movimientos de enseñanza deportiva y corregir rápidamente las formas erróneas, mediante la integración de inteligencia artificial (IA) y tecnologías de aprendizaje profundo en el reconocimiento de movimientos deportivos. Este trabajo comienza calculando la matriz de correlación para un conjunto de características seleccionadas, estableciendo posteriormente un umbral para eliminar características con alta correlación cruzada, reduciendo así la redundancia y optimizando el conjunto de características. Para preprocesar las imágenes, se aplica inicialmente una función gaussiana para realizar operaciones de convolución. Posteriormente, se utiliza una función kernel gaussiana para filtrar las imágenes, construyendo una estructura jerárquica conocida como la pirámide gaussiana, donde se emplean coeficientes de filtro gaussiano variables en cada nivel de procesamiento de imágenes. Finalmente, esta investigación desarrolla un sistema de calibración preciso para movimientos de educación física y lo implementa en el contexto de la educación física para mejorar los resultados de la enseñanza. Los resultados experimentales demuestran que el sistema desarrollado en este estudio satisface eficazmente los requisitos prácticos de la educación física.
The aim of this study is to enhance the efficacy of sports teaching movements and to promptly correct erroneous forms, by integrating artificial intelligence (AI) and deep learning technologies into the recognition of sports movements. This paper commences by computing the correlation matrix fora set of selected features, subsequently establishing a threshold to eliminate features with high cross-correlation, thereby reducing redundancy and optimizing the feature set. To preprocess the imagery, a Gaussian function is initially applied to performconvolution operations. Subsequently, a Gaussian kernel function is utilized to filter the images, constructing a hierarchical structure known as the Gaussian pyramid, wherein variable Gaussian filter coefficients are employed at each level of image processing. Ultimately, this research develops a precise calibration system for physical education movements and implements it within the context of physical education to enhance teaching outcomes. The experimental results demonstrate that the system developed in this study effectively satisfies the practical requirements of physical education.
