Conception d'un système d'enseignement auxiliaire au tennis basé sur l'apprentissage par renforcement et la fusion multi-caractéristiques

Pour identifier et évaluer avec précision les mouvements de tennis, un système d'enseignement auxiliaire au tennis basé sur l'apprentissage par renforcement et la fusion multi-caractéristiques a été conçu en combinant des méthodes d'apprentissage profond avec des connaissances liées au tennis pour reconnaître et évaluer avec précision les mouvements de tennis. L'algorithme extrait d'abord les points articulaires squelettiques humains d'une séquence vidéo à l'aide d'un algorithme de reconnaissance de pose humaine. L'apprentissage par renforcement est ensuite utilisé pour extraire et optimiser les images clés. Deuxièmement, des algorithmes génétiques ont été utilisés pour fusionner les différentes caractéristiques. Les résultats démontrent que la méthode de reconnaissance des actions de tennis proposée atteint une précision de classification de 98,45 % pour quatre types de sous-actions de tennis. Sa capacité de généralisation est supérieure à celle des techniques basées sur des réseaux de neurones à convolution graphique, telles que AGCN et ST-GCN. Enfin, après la catégorisation des actions, la méthode de notation suggérée basée sur le déformation temporelle dynamique peut fournir des évaluations précises et en temps réel pour les actions correspondantes, réduisant ainsi l'effort des instructeurs de tennis et élevant considérablement le niveau de l'enseignement du tennis.