{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,19]]，“日期时间”：“2024-03-19T15:47:52Z”，“时间戳”：1710863272720}，“参考计数”：19，“出版商”：“富士科技出版社”，“发行”：“5”，“出资人”：[{“名称”：“中国国家科学训练基地建设关键技术研究与示范”，“奖项”：[“2018YFF0300800”]}]，“内容域”：{“域”：[]，“交叉标记-限制”：false}，“短容器-时间”：[”JACIII“，”J.Adv.Compute.Intell.Intell.Inform.“]，”published-print“：{”date-parts“：[2022,9,20]}，”abstract“：”科学分析回旋训练过程可以显著提高运动员的成绩。在本文中通过提取视频中运动员的多关节空间坐标轨迹来定义P</jats:italic>矩阵，以分析回转训练模式。采用主成分分析法提取了该模型的主要特征值和特征向量P</jats:italic>矩阵被定义为障碍滑雪的主要特征行为，六个主要特征行为被用于实现重建滑雪序列与原始序列之间96%的相似性。同样，群体特征利用个体的特征行为构造S</jats:italic>矩阵，矩阵的特征向量用于定义组的特征行为，从而对层次组进行分类并确定个体所属的组。结果表明，该方法可以更好地识别室内外回转滑雪中人体多关节空间轨迹的运动模式，为滑雪训练提供科学指导，使运动员能够取得更好的训练效果<\/jats:p>“，”DOI“：”10.20965\/jacii.2022.p0801“，”type“：”journal-article“，”created“：{”date-parts“：[[2022,9,19]]，”date-time“：”2022-09-19T15:02:06Z“，”timestamp“：1663599726000}，”page“：“前缀”：“10.20965”，“卷：“26”，“作者”：[{“给定”：“佩章”，“家庭”：“李”，“序列”：“第一”，“从属关系”：[]}，{“名称”：“北京工业大学自动化学院，北京市海淀区中关村南街5号，100081，”序列“：”第一“，”从属关系“：[]]，{”给定“：”庆“，”家庭“：”费“，”序列”：”附加“，”隶属关系“：[]}”，{given“：”Zhen“，”family“：”Chen“，“sequence”：”additional“，”affiliation“：[]}，{“given”：”Xiaolan“，”家庭“：”Yao“，”sequence“：”additive“，”filiation”：[]{“给定”：“Yijia”，“family”：“Zhang”，“se序列”：“additional”，“affiliance”：[]}，“member”：“8550”，“published on”：{“date-parts”：[2022,9,20]]}“，”reference“：[{”键“：”键-10.20965 \/jacii.2022.p0801-1“，”doi-asserted-by“：”crossref“，”unstructured“：”T.Nozawa，E.Wu，and H.Koike，\u201cVR滑雪教练：室内滑雪训练系统可视化与领先滑雪者的差异，IEEE虚拟现实与3D用户界面（VR）会议，第1341-1342页，2019年。“，”doi“：”10.1109\/VR.2019.879797717“}，”{“key”：“key-10.20965\/jacii.2022.p0801-2”，“doi-assert-by”：“”crossref“，”unstructured“：”C.M.N.Brigante等人，《迈向基于MEMS的可穿戴运动捕捉系统的小型化》，IEEE Trans。《工业电子》，第58卷，第8期，第3234-32412011页。机器人与自动化会议，第5309-5316页，2013年。”，“DOI”：“10.1109”\/ICRA.2013.6631337“}，{“key”：“key-10.20965”\/jacii.2022.p0801-4“，“DOI-asserted-by”：“crossref”，“unstructured”：“X.Wei，P.Zhang，and J。Chai，\u201c使用单个深度相机准确实时捕获全身运动，\u201 d ACM Trans。《图形》，第31卷，第6期，第188条，2012年。“，“DOI”：“10.1145 \/2366145.2366207”}，{“key”：“key-10.20965 \/jacii.2022.p0801-5”，“DOI-asserted-by”：“crossref”，“unstructured”：“S.Li和A.B.Chan，利用深度卷积神经网络从单目图像进行三维人体姿势估计，《亚洲计算机视觉会议》，第332-347页，2014年。”DOI“：”10.1007\/978-3-319-16808-1_23“｝，｛”key“：”key-10.20965\/jacii.222.p0801-6“，”DOI断言“：”crossref“，”非结构化“：”H.Rhodin等人，\u201c从多视图图像中学习单目3D人体姿态估计，\u201d IEEE计算机视觉与模式识别会议论文集，第8437-84462018页。“，”DOI“：”10.1109 \/CVPR.2018.00880“}，{“key”：“key-10.20965 \/jacii.2022.p0801-7”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Schwarcz和T.Pollard，基于深度多视角2D姿势的三维人体姿势估计，第24届国际模式识别大会（ICPR），第2326-2331页，2018年。”，“doi”：“10.1109key-10.20965\/jacii.2022.p0801-8“，”doi-asserted-by“：”crossref“，”unstructured“：”Y.Zheng和X.Zhou（编辑），\u201cComputing with spatial trajectives，\u201 d Springer，2011.“，”doi“：”10.1007\/978-1-4614-1629-6“}，{“key”：“key-10.201965\/yacii.2022.p0801-9”，“doi-assert-by”：“Crosref”，“unstructure”：“J.-G.Lee，J.Han，and K.Y。Whang，\u201cTrajectory clustering:一个分区和组框架，\u201 d Proc。ACM SIGMOD Int.Conf.on Management of Data，第593-604页，2007年。”，“DOI”：“10.1145\/1247480.1247546”}，{“key”：“key-10.20965\/jacii.2022.p0801-10”，“DOI-asserted-by”：“crossref”，“unstructured”：“P.Kalnis，N.Mamoulis，and S.Bakiras，\u201c关于发现时空数据中的移动簇，\u201 d Int。交响乐团。《时空数据库》，第364-3812005页10.1109 \/ICDE.2008.4497588“}，{“key”：“key-10.20965 \/jacii.2022.p0801-12”，“doi-asserted-by”：“crossref”，“unstructured”：“Z.Li et al.，\u201cSwarm:Mining relaxed temporal moving object clusters，《VLDB Endowment程序》，第3卷，第1-2期，第723-734页，2010年。”，“doi”：“10.14778 \/1920841.1920934”}，}“key”：”key-10.2096。2022.p0801-13“，”doi-asserted-by“：”crossref“，”unstructured“：”T.Kohonen，\u201c自组织映射，\u201 d Proc。IEEE，第78卷，第9期，第1464-1480页，1990年10.1007 \/s00265-009-0739-0“}，{“key”：“key-10.20965 \/jacii.2022.p0801-15”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Wold，K.Esbensen，and P.Geladi，《主成分分析》，《化学计量学与智能实验室系统》，第2卷，第1-3期，第37-52页，1987年。”，“doi”：“10.1016\/0169-7439（87）80084-9”}，}key-10.20965\/jacii.222.p0801-16“，”doi断言由“：”crossref“，”非结构化“：”K.Farrahi和D.Gatica Perez，\u201c使用概率主题模型从大规模人类位置发现例程，\u201d ACM Trans。关于智能系统与技术（TIST），第2卷，第1期，第3条，2011年。”，“DOI”：“10.1145”，“1889681.1889684”}，{“key”：“key-10.20965”，“jacii.2022.p0801-17”，“unstructured”：“P.Li，Q.Fei，and X.Yao，\u201cCharacteristical Behavior:Identifying Body Spative Trajectory Structure In Indoor Sking，\u201 d The 7th Int。高级计算智能和智能信息学研讨会（IWACIII），第T1-1-1号文章，2021年。“}，{“key”：“key-10.20965 \/jacii.2022.p0801-18”，“doi-asserted-by”：“crossref”，“unstructured”：“H.S.Fang等人，\u201cRMPE:区域多人姿势估计，IEEE计算机视觉国际会议（ICCV），第2353-2362页，2017年。”，“DOI“：”10.1109 \/ICCV.2017.256“}，{“key”：“key-10.20965 \/jacii.2022.p0801-19”，“DOI-asserted-by”：“crossref”，“unstructured”：“D.Pavllo等人，带时间卷积和半监督训练的视频中的u201c3D人体姿势估计，IEEE \/CVF计算机视觉和模式识别（CVPR）会议的u201d程序，第7753-7762页，2019年。”，“DOI”：“10.1109\/CVPR.2019.00794“}]，“container-title”：[“Journal of Advanced Computational Intelligence and Intelligent Informatics”]，“原始标题”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/www.fujipress.jp\/main\/wp-content\/themes\/fujipress\/hyosetsu.php？ppno=JACIL002600050016”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application“：”相似性检查“}]，”存放“：{”日期部分“：[2022,9,19]]，”日期时间“：”2022-09-19T15:05:09Z“，”时间戳“：1663599909000}，”分数“：1，”资源“：{primary”：{“URL”：“https:\/\/www.fujipress.jp\/jaciii\/jc\/jaciai002600050801”}，“副标题”：[]，“短标题”：[]，“已发布”：{”日期部分rts“：[[2022,9,20]]}，”引用计数“：19，”新闻发布“：{“发布”：“5”，“在线发布”：{”日期部分“：[2022,9,20]]}，“发布发布”：}“日期部分”：[[2022,9,20]}}，”URL“：”http://\/dx.doi.org\/10.20965\/jacii.2022.p0801“，”关系“：{}，‘ISSN’：[”1883-8014“，”1343-0130“]，”ISSN-type“：[{”value“1883”3-8014“，”类型“：”电子“}，{”值“：”1343-0130“，”型号“：”打印“}]，”主题“：[]，”发布“：{”日期部分“：[[2022,9,20]]}}}