Resumen

Con el rápido desarrollo de la tecnología de visión por computadora, la tecnología de reconocimiento de acciones humanas ha ocupado una posición importante en este campo. El sistema básico de reconocimiento de acciones humanas está compuesto principalmente por tres partes: detección de objetivos en movimiento, extracción de características y reconocimiento de acciones humanas. Para comprender los signos de acción de la gimnasia, este artículo utiliza la comunicación en red y la extracción de características de contorno para extraer diferentes características morfológicas durante la gimnasia. Luego, se utiliza el algoritmo de diferencia finita de curvatura de borde para clasificar diferentes acciones gimnásticas y analizar y discutir el fondo gaussiano. Se propone un método modular, un método de modelado gaussiano híbrido mejorado, que selecciona de forma adaptativa el número de distribuciones gaussianas. Los resultados de la investigación muestran que, en comparación con la extracción de contornos tradicional, la resolución de las características de movimiento gimnástico extraídas a través de la comunicación en red y las características de contorno corporal es más clara, y la tasa de aumento es superior al 30%. Además, el método propuesto en este documento elimina el ruido en el proceso de extracción de imágenes, el efecto es bueno y las marcas de acción de los atletas son muy claras, lo que puede lograr el objetivo de investigación.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Desarrollo; Tecnología de visión por ordenador; Reconocimiento de la acción humana; Extracción de características; Gimnasia; Fondo gaussiano
• Keywords:Development; Computer vision technology; Human action recognition; Feature extraction; Gymnastics; Gaussian background