Leichtgewichtiges CA-YOLOv7-basiertes Badminton-Schlag-Erkennung: Eine Echtzeit- und präzise Verhaltensanalyse-Methode

Mit der schnellen Entwicklung der Sporttechnologie ist die präzise und Echtzeit-Erkennung von Badminton-Schlaghaltungen für das Training von Athleten und die Analyse von Wettkämpfen unerlässlich geworden. Diese Studie präsentiert eine verbesserte YOLOv7-basierte Methode zur Erkennung von Badminton-Schlaghaltungen, die Einschränkungen hinsichtlich Genauigkeit, Echtzeitleistung und Automatisierung angeht. Um das Modell zu optimieren, wurden Beschnitttechniken auf die Backbone-Struktur angewendet, was die Verarbeitungsgeschwindigkeit für Echtzeitanforderungen erheblich verbessert hat. Ein parameterfreies Aufmerksamkeitsmodul wurde integriert, um die Merkmalsextraktion zu verbessern, ohne die Modellkomplexität zu erhöhen. Darüber hinaus wurden wichtige Schlagaktionsknoten definiert, und ein Modul zur Punkteabgleichung wurde eingeführt, um die Erkennungsgenauigkeit zu erhöhen. Experimentelle Ergebnisse zeigen, dass das verbesserte Modell einen mAP@0.5 von 0.955 und eine Verarbeitungsgeschwindigkeit von 44 Bildern pro Sekunde erreichte, was seine Fähigkeit zur Bereitstellung einer präzisen und effizienten Badminton-Schlag-Erkennung demonstriert. Diese Forschung bietet wertvolle technische Unterstützung für Trainer und Athleten und ermöglicht eine bessere Analyse und Optimierung der Schlagtechniken.