Resumen

Este artículo investiga la extracción de información esquelética de jugadores de voleibol y proporciona una solución basada en aprendizaje profundo para reconocer las acciones de los jugadores. Para este propósito, se utiliza un enfoque basado en redes neuronales convolucionales para reconocer las acciones de los jugadores de voleibol. El esqueleto del grupo de Lie tiene una gran dimensión de datos ya que se utiliza para representar las características recuperadas del modelo. La red neuronal convolucional se utiliza para el aprendizaje y clasificación de características con el fin de procesar datos de alta dimensión, minimizar la complejidad del proceso de reconocimiento y acelerar el cálculo. Este artículo utiliza el modelo de representación del esqueleto del grupo de Lie para extraer la característica geométrica de la información esquelética en la etapa de extracción de características y la transformación geométrica (rotación y traslación) entre diferentes extremidades para representar los movimientos de los jugadores de voleibol en la etapa de representación de características. El enfoque se evalúa

• 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:Extracción; Jugadores de voleibol; Información esquelética; Solución basada en aprendizaje profundo; Red neuronal convolucional; Esqueleto de grupo de Lie
• Keywords:Extraction; Volleyball players; Skeleton information; Deep learning-based solution; Convolutional neural network; Lie group skeleton