Resumen

En el contexto de que las personas modernas prestan cada vez más atención a la salud y promueven la aeróbica, la cantidad de datos y audiencias de videos de aeróbica ha crecido rápidamente, y su potencial valor de aplicación ha atraído una amplia atención desde las perspectivas de la investigación científica y la industria. Este artículo ha integrado conocimientos relacionados con la visión por computadora y el aprendizaje profundo para realizar el reconocimiento inteligente y la representación de movimientos humanos específicos en secuencias de video de aeróbica. El estudio propone un método automático de reconocimiento para videos de ejercicios de suelo basado en redes convolucionales tridimensionales y clasificación multietiqueta. Dado que las redes neuronales convolucionales (CNN) bidimensionales pierden información temporal al extraer características, para superar esto, la investigación propuesta utiliza redes convolucionales tridimensionales para realizar el reconocimiento de video. La característica se toma en tiempo y espacio, y las características extraídas se someten a múltiples clasificaciones binarias para lograr el objetivo de clasificación

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Aeróbicos; Videos; Método de reconocimiento; Redes convolucionales; Clasificación multietiqueta; Aprendizaje profundo
• Keywords:Aerobics; Videos; Recognition method; Convolutional networks; Multilabel classification; Deep learning