买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌航空大学申请的专利一种基于单阶段模型的动作检测与评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121686573B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610192010.2，技术领域涉及：G06V40/20；该发明授权一种基于单阶段模型的动作检测与评估方法是由杨幼凤;钟强;程诺嵩;袁佳露;罗昆;李晨璐;郑静荧设计研发完成，并于2026-02-10向国家知识产权局提交的专利申请。

本一种基于单阶段模型的动作检测与评估方法在说明书摘要公布了：本发明涉及体育训练辅助技术领域，尤其涉及一种基于单阶段模型的动作检测与评估方法，包括如下步骤：采集多样化场景下的体育踢靶训练视频，将视频流转换为图像帧构成原始数据集；对原始数据集的图像帧进行人工标注，并划分为训练集和验证集；对训练集和验证集进行处理；将所述最终训练集输入模型进行训练，得到训练完成的动作检测模型；将实时采集的踢靶动作图像帧输入所述训练完成的动作检测模型，计算动作规范性综合评分，并将检测结果与量化评分实时反馈。本发明通过“命中精准度+动作规范性评分”双量化指标，将踢靶动作的命中准确性与执行标准度转化为客观数值，统一评估标准，避免经验、疲劳度等主观因素干扰。

本发明授权一种基于单阶段模型的动作检测与评估方法在权利要求书中公布了：1.一种基于单阶段模型的动作检测与评估方法，其特征在于，包括如下步骤： S1：采用工业级高清摄像机采集多样化场景下的体育踢靶训练视频，将视频流转换为图像帧构成原始数据集； S2：对所述原始数据集的图像帧进行人工标注，标注内容包括靶具边界框、踢击末端肢体边界框及动作类型标签；根据采集场景不同，将一个或多个完整的场景对应的全部图像帧整体划分为测试集，将其余场景对应的所有图像帧合并后，按8:2的比例随机划分为训练集和验证集； S3：对训练集和验证集进行处理，得到处理后的训练集和验证集； S4：采用包含CSP结构主干网络和PAN-FPN结构颈部网络的YOLO系列目标检测模型，将处理后的训练集输入模型进行训练，采用CIoU损失函数计算损失值，通过反向传播算法和梯度下降类优化器迭代更新模型参数，利用处理后的验证集监测训练收敛情况，通过所述测试集完成模型性能评估，得到训练完成的动作检测模型； S5：将实时采集的踢靶动作图像帧输入所述训练完成的动作检测模型，输出目标类别标签及目标边界框信息；基于所述目标边界框信息计算踢击命中精准度，结合模型输出的动作类别置信度计算动作规范性综合评分，并将检测结果与量化评分实时反馈； 所述步骤S5中，一次踢动动作包含次接触时，踢击命中精准度公式为：，其中表示区域面积，是“踢击末端肢体框”与“靶具框”的交集，是“踢击末端肢体框”与“靶具框”的并集，表示踢击的命中精准度，也是踢击末端肢体框与靶具框的交并比，其取值范围为[0,1]； 一次踢动动作包含次接触，且时，所述踢击命中精准度通过以下任一方式确定： 按时间顺序计算各次接触的命中精准度，并取其最大值作为最终的精准度得分； 按时间权重进行加权平均，得到作为最终的精准度得分，其中，表示踢击末端肢体与靶具接触的次数序号，表示第次接触的时间权重，且，是一次踢动动作中踢击末端肢体与靶具接触的总次数，是第次接触时，踢击末端肢体框与靶具框的交并比； 所述步骤S5中动作规范性综合评分计算公式为：； 其中，是模型对所识别动作类型的置信度分数，可视为对动作执行标准程度的量化评估；是前述计算得出的命中精准度指标；和是可由教练根据训练目标调整的权重系数，且满足。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌航空大学，其通讯地址为：330063 江西省南昌市红谷滩新区丰和南大道696号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。