[发明专利]一种体育运动质量的评估方法、装置、设备，存储介质

权利要求书

1.一种体育运动质量的评估方法，其特征在于，包括：

获取包含特定体育运动的运动过程的视频，并根据所述体育运动的类型将所述视频分割成多个视频阶段；

将所述多个视频阶段输入至骨干网络模型，获得与所述多个视频阶段对应的多个特征表示；

构建回归网络模型；其中，所述回归网络模型采用基于难度系数的总得分为训练标签的方法训练；

将所述多个特征表示输入至所述回归网络模型，获得所述视频中的运动过程的评分。

2.根据权利要求1所述的评估方法，其特征在于，获取包含特定体育运动的运动过程的视频，并根据所述体育运动的类型将所述视频分割成多个视频阶段，具体为：

获取包含特定体育运动的运动过程的所述视频；

根据所述体育运动的类型，通过编解码时序卷积网络模型，将所述视频分割成所述多个视频阶段。

3.根据权利要求1所述的评估方法，其特征在于，所述骨干网络模型的数量与所述视频阶段的数量相同；

将所述多个视频阶段输入至骨干网络模型，获得与所述多个视频阶段对应的多个特征表示，具体为：

将所述多个视频阶段分别输入至多个所述骨干网络模型，获得所述多个特征表示；其中，多个所述骨干网络模型的结构相同，且共享权重；

所述骨干网络模型为P3D模型；所述P3D模型包括依次连接的P3D-A、P3D-B和P3D-C三个子模型，其表达式分别为：

P3D-A：x_t+1＝x_t+T(S(x_t))

P3D-B：x_t+1＝x_t+S(x_t)+T(x_t)

P3D-C：x_t+1＝x_t+S(x_t)+T(S(x_t))

x_t和x_t+1分别表示子模型中第t个残差单元的输入和输出，S和T分别表示对括号内的参数进行时序和空间上的卷积操作。

4.根据权利要求1所述的评估方法，其特征在于，构建回归模型，具体为：

构建初始模型；

初始化所述初始模型的参数，并设置损失函数；

采用基于难度系数的总得分为训练标签的方法和所述损失函数，训练初始化后的所述初始模型，以获得所述回归模型。

5.根据权利要求1所述的评估方法，其特征在于，

所述初始模型包括：

分别用于所述多个视频阶段的多个子网络；多个所述子网络的结构相同；所述子网络包括5个卷积层、用以依次连接所述卷积层的4个第一全连接层，以及用以融合五个子网络的输出的第二全连接层；所述5个卷积层的节点数分别为2048、512、64、16和1；

所述损失函数loss^dlosg的表达式为：

其中N表示每次迭代训练中的样本个数，S^e_n和G^e_n分别表示预测得到的执行分数和真实执行分数，G^dl_n表示真实的难度系数。

6.一种体育运动质量的评估装置，其特征在于，包括：

视频获取模块，用于获取包含特定体育运动的运动过程的视频，并根据所述体育运动的类型将所述视频分割成多个视频阶段；

特征表示模块，用于将所述多个视频阶段输入至骨干网络模型，获得与所述多个视频阶段对应的多个特征表示；

模型构建模块，用于构建回归网络模型；其中，所述回归网络模型采用基于难度系数的总得分为训练标签的方法训练；

评分模块，用于将所述多个特征表示输入至所述回归网络模型，获得所述视频中的运动过程的评分。