基于运动大数据和深度学习的运动学数据模型构建方法

摘要

本发明提供了一种基于运动大数据和深度学习的运动学数据模型构建方法，涉及体育训练技术领域，能够极大提高人体行为的识别准确率和行为预测的准确性；该方法步骤包括S1、处理运动视频集得到训练数据并输入LSTM网络中进行训练，得到训练好的LSTM网络；S2、处理待测试运动视频集得到测试数据并输入训练好的LSTM网络中进行测试，得到测试结果；处理视频包括：将运动视频集输入行为捕捉和运动分析系统中得到特征数据；将特征数据输入VGG‑16Net中得到姿态数据；将姿态数据输入CNN网络中进行人体姿态识别得到识别数据；将识别数据输入RNN网络中得到动态特征数据。本发明提供的技术方案适用于体育运动数据处理的过程中。