基于深度学习的跳绳姿态评估系统研究.pdfVIP

第33卷第5期电子设计工程2025年3月

Vol.33No.5ElectronicDesignEngineeringMar.2025

基于深度学习的跳绳姿态评估系统研究

1，22，321，21，2

丁瀚，孙少明，孙怡宁，张子康，彭伟

（1.中国科学技术大学，安徽合肥230026；2.中国科学院合肥物质科学研究院，安徽合肥230031；

3.中科合肥技术创新工程院，安徽合肥230088）

摘要：为解决青少年日常跳绳中可能存在的问题，规范其训练动作以降低受伤风险，提出了一种跳

绳姿态检测与评估系统。该系统包含两个检测评估机制：机制1基于Attention-MLP神经网络模型

进行标准化检测评估；机制2则对监测时段内高维跳绳特征数据进行提取与分析。系统包括数据

获取、数据预处理以及跳绳姿态检测与评估。在数据预处理部分，文中进行了3种滤波算法的比较

实验，结果表明，卡尔曼滤波对于跳绳的二维骨骼点数据平滑效果更佳。在标准化评估模块中，基

于跳绳特征的数据集，搭建了Attention-MLP模型，并将其与常用的识别算法MLP、LSTM、CNN进行

了实验对比。实验结果表明，Attention-MLP模型表现更为出色，准确率可达99.38%。

关键词：跳绳动作检测评估；骨骼点识别；数据滤波；深度学习

中图分类号：TN-9文献标识码：A文章编号：1674-6236（2025）05-0001-07

DOI：10.14022/j.issn1674-6236.2025.05.001

Researchonjumpropeactionevaluationsystembasedondeeplearning

1，22，321，21，2

DINGHan，SUNShaoming，SUNYining，ZHANGZikang，PENGWei

（1.UniversityofScienceandTechnologyofChina，Hefei230026，China；2.HefeiInstitutesofPhysical

Science，ChineseAcademyofSciences，Hefei230031，China；3.ZhongkeHefeiTechnologyInnovation

EngineeringInstitute，Hefei230088，China）

Abstract:Inordertosolvethepossibleproblemsinadolescents’dailyropeskippingandtostandardize

theirtrainingmovementstoreducetheriskofinjury，weproposearopeskippingposturedetectionand

assessmentsystem.Thesystemconsistsoftwodetectionandassessmentmechanisms:mechanism1uses

standardizeddetectionandassessmentbasedontheAttention⁃MLPneuralnetworkmodel，while

mechanism2isbasedontheextractionandanalysisofhigh⁃dimensionaljumpingropefeaturesduring

themonitoringperiod.Thecomponentsof