1.一种基于单阶段模型的动作检测与评估方法,其特征在于,包括如下步骤:S1:采用工业级高清摄像机采集多样化场景下的体育踢靶训练视频,将视频流转换为图像帧构成原始数据集;
S2:对所述原始数据集的图像帧进行人工标注,标注内容包括靶具边界框、踢击末端肢体边界框及动作类型标签;根据采集场景不同,将一个或多个完整的场景对应的全部图像帧整体划分为测试集,将其余场景对应的所有图像帧合并后,按8:2的比例随机划分为训练集和验证集;
S3:对训练集和验证集进行处理,得到处理后的训练集和验证集;
S4:采用包含CSP结构主干网络和 PAN-FPN 结构颈部网络的 YOLO 系列目标检测模型,将处理后的训练集输入模型进行训练,采用 CIoU 损失函数计算损失值,通过反向传播算法和梯度下降类优化器迭代更新模型参数,利用处理后的验证集监测训练收敛情况,通过所述测试集完成模型性能评估,得到训练完成的动作检测模型;
S5:将实时采集的踢靶动作图像帧输入所述训练完成的动作检测模型,输出目标类别标签及目标边界框信息;基于所述目标边界框信息计算踢击命中精准度,结合模型输出的动作类别置信度计算动作规范性综合评分,并将检测结果与量化评分实时反馈;
所述步骤S5中,一次踢动动作包含次接触时,踢击命中精准度公式为:,其中表示区域面积,是“踢击末端肢体框”与“靶具框”的交集,是“踢击末端肢体框”与“靶具框”的并集,表示踢击的命中精准度,也是踢击末端肢体框与靶具框的交并比,其取值范围为[0,1];
一次踢动动作包含次接触,且时,所述踢击命中精准度通过以下任一方式确定:按时间顺序计算各次接触的命中精准度,并取其最大值作为最终的精准度得分;
按时间权重进行加权平均,得到作为最终的精准度得分,其中,表示踢击末端肢体与靶具接触的次数序号,表示第次接触的时间权重,且,是一次踢动动作中踢击末端肢体与靶具接触的总次数,是第次接触时,踢击末端肢体框与靶具框的交并比;
所述步骤S5中动作规范性综合评分计算公式为:;
其中,是模型对所识别动作类型的置信度分数,可视为对动作执行标准程度的量化评估;是前述计算得出的命中精准度指标;和是可由教练根据训练目标调整的权重系数,且满足。
2.根据权利要求1所述的一种基于单阶段模型的动作检测与评估方法,其特征在于,所述步骤S3中,对训练集和验证集进行处理具体包括:一阶段光照校正和二阶段数据增强。
3.根据权利要求2所述的一种基于单阶段模型的动作检测与评估方法,其特征在于,一阶段光照校正具体包括:采用自适应伽马变换调节图像的整体亮度,其映射关系为:;
其中,为光照校正前/后的亮度像素值,当前图像或局部块的亮度均值;为自适应伽马指数;为自适应伽马指数的上、下限,;
再采用直方图均衡优化灰度分布的对比度,公式为:
;
其中,为灰度级数;为灰度的概率,表示原始像素值的累积概率,为均衡后的灰度映射值,表示取整。
4.根据权利要求3所述的一种基于单阶段模型的动作检测与评估方法,其特征在于,二阶段数据增强具体包括以下至少一种变换:①随机仿射变换:对图像进行随机的缩放、旋转和平移组合,其坐标变换满足:;
其中,为变换前的二维坐标点向量,为变换后的坐标点向量;s为缩放因子,R为二维旋转矩阵,t为平移向量;
②色域扰动:在色相-饱和度-明度(Hue-Saturation-Value,HSV)颜色空间中对色相、饱和度、明度通道进行随机扰动:;其中,、、;为色彩空间的色相、饱和度、明度,为扰动后的色相、饱和度、明度,为对应的随机扰动量;表示在区间上的均匀分布,即在之间均匀随机取值,、同理,是控制色相通道的最大扰动幅度,是控制饱和度通道的最大扰动幅度、是控制明度通道的最大扰动幅度;
③水平随机翻转与随机缩放;
④马赛克与混合增强:其中,混合增强通过对两张图像及其标签进行线性插值生成新样本:;
其中,为混合增强后生成的新样本,为两幅参与混合增强的图像;为混合系数,为其先验分布;为分布形参。
5.根据权利要求1所述的一种基于单阶段模型的动作检测与评估方法,其特征在于,所述步骤S4中,所述 YOLO 系列目标检测模型为 YOLO11 模型,所述梯度下降类优化器为SGD 或 Adam 优化器;所述损失函数的计算公式为:;
其中,是损失,是基础损失,是测框与真值框的交并比,用于度量长宽比的一致性,为基于平衡系数,为两框中心距离,为最小外接框对角线长度;为预测框中心与真值框中心的欧氏距离;为预测框的宽与高和真值框的宽与高;为长宽比一致性项。
6.一种基于单阶段模型的动作检测与评估系统,应用于权利要求1-5任一项所述的动作检测与评估方法,其特征在于,包括:数据采集模块,用于在多样化场景下采集体育踢靶训练视频并转换为原始图像帧;
标注模块,用于对原始图像帧进行人工标注,输出含标注信息的数据集;
数据集划分模块,用于将一个或多个完整的未见过场景的图像帧划分为测试集,其余场景图像帧按 8:2 比例随机划分为训练集和验证集;
数据处理模块,用于仅对训练集和验证集执行自适应伽马变换及对比度受限直方图均衡,再进行数据增强,输出处理后的训练集和验证集;
模型训练模块,用于部署YOLO系列目标检测模型并完成训练、参数优化及性能评估;
量化评估模块,用于接收实时图像帧并通过训练完成的模型输出检测结果,计算踢击命中精准度和动作规范性综合评分;
实时反馈模块,用于将检测结果与量化评分叠加显示并反馈给用户。