本发明涉及游泳考试实时评分方法，尤其涉及一种游泳考试实时评分方法、系统及终端。
背景技术：
1、游泳考试实时评分方法基于多种技术，包括视频技术、传感器技术、运动追踪技术、数据分析和算法，以及智能穿戴设备。通过高清摄像设备记录比赛，裁判员或评委可以通过实时回放功能仔细观察运动员的动作和姿势。水下传感器和计时设备监测游泳运动员的关键数据，如速度和用时，而运动追踪技术通过摄像头和算法实时追踪运动员的位置和姿势。评分系统利用预设的评分标准和算法分析运动员数据，并结合智能穿戴设备记录的生理指标，给予实时评分，改善了比赛的公正性和准确性。
2、在游泳考试实时评分方法的实际使用过程中，许多现有方法可能只从有限的角度获取数据，导致三维运动轨迹的重建缺乏准确性和全面性。没有充分运用运动学和生物力学分析可能导致关键特征值的提取不够精准，从而影响后续模型的训练效果。许多现有方法可能只关注某些特定方面的评分，如仅评估技巧而忽视泳姿流畅性，使得评分缺乏全面性和深度。传统方法可能缺乏个性化和针对性的评价，没有结合具体的运动员特征和游泳知识图谱进行细化评估。没有运用如深度学习和生成对抗网络等先进技术，可能限制了评分模型的精确度和灵活性。且现有方法可能涉及繁琐的人工分析和评估流程，效率较低。
技术实现思路
1、本发明的目的是解决现有技术中存在的缺点，而提出的一种游泳考试实时评分方法、系统及终端。
2、为了实现上述目的，本发明采用了如下技术方案：一种游泳考试实时评分方法，包括以下步骤：
3、采集多摄像头数据，生成运动员的三维运动轨迹；
4、对所述三维运动轨迹进行运动学和生物力学分析，提取关键特征值；
5、使用所述关键特征值作为输入，训练深度学习算法，建立动作评分模型；
6、应用所述动作评分模型对三维运动轨迹进行动态评价，输出初步动作评分；
7、结合游泳知识图谱生成动作质量评估指标，对所述初步动作评分进行细化评估，得到细化评分结果；
8、结合包括泳姿流畅性、转身技巧的评估因素，对细化评分结果进行综合评估，利用生成对抗网络生成游泳动作参考，与实际动作进行对比，进一步修正评分，输出最终评分报告。
9、作为本发明的进一步方案，采集多摄像头数据，生成运动员的三维运动轨迹的步骤具体为：
10、基于泳池设置摄像头布局图，并布设多组摄像头对泳池的全景无死角监控；
11、利用所述摄像头实时捕获运动员的游泳动作，每一帧数据进行时间戳标记，生成原始视频数据流；
12、使用多目摄像头技术，针对每帧数据计算深度信息，获取深度信息数据；
13、基于所述深度信息数据，对原始视频数据流进行三维重建，获取三维运动轨迹原始数据；
14、对所述三维运动轨迹原始数据进行噪声过滤和平滑处理，获得准确的三维运动轨迹。
15、作为本发明的进一步方案，对所述三维运动轨迹进行运动学和生物力学分析，提取关键特征值的步骤具体为：
16、导入三维运动轨迹；
17、使用具体为离散余弦变换的运动学算法，分析三维运动轨迹中的关节角度和速度，作为关节动态参数；
18、利用生物力学原理，评估运动员的肌肉力和关节力，作为生物力学参数；
19、结合所述关节动态参数与生物力学参数，确定运动员的动作稳定性和效率，生成动作效率评估；
20、从所述三维运动轨迹中提取包括轨迹长度、旋转角度的特征，作为三维轨迹特征；
21、结合所述关节动态参数、生物力学参数、动作效率评估、三维轨迹特征，建立关键特征值合集。
22、作为本发明的进一步方案，使用所述关键特征值作为输入，训练深度学习算法，建立动作评分模型的步骤具体为：
23、划分所述关键特征值为训练集、验证集和测试集，作为训练验证测试数据集；
24、选择具体为循环神经网络的深度学习架构，初始化模型参数，获取初始评分模型；
25、使用所述训练验证测试数据集中的训练集，对所述初始评分模型进行训练，使用adam优化器对模型的损失进行优，生成训练中的评分模型；
26、利用所述训练验证测试数据集中的验证集对训练中的评分模型进行性能验证，调整包括学习率、批次大小的超参数，进行模型的微调，获取优化后的评分模型；
27、对所述优化后的评分模型，使用所述训练验证测试数据集中的测试集进行测试，获取最终动作评分模型。
28、作为本发明的进一步方案，应用所述动作评分模型对三维运动轨迹进行动态评价，输出初步动作评分的步骤具体为：
29、使用所述三维运动轨迹作为动作评分模型的输入，进行前向传播，获取模型预测评分；
30、结合所述模型预测评分和运动员的历史数据，进行动态加权处理，获取加权评分；
31、分析所述加权评分的趋势和稳定性，对评分进行微调，生成动态调整后的评分；
32、对所述动态调整后的评分进行归一化处理，使其在0-100之间，作为归一化评分；
33、结合包括泳姿、速度、节奏的评分标准，得到初步的动作评分。
34、作为本发明的进一步方案，结合游泳知识图谱生成动作质量评估指标，对所述初步动作评分进行细化评估，得到细化评分结果的步骤具体为：
35、查询所述游泳知识图谱，根据专家知识和数据库中的统计数据，使用图数据库查询，识别动作的关键指标，包括姿势稳定性、动作对称性，作为优质参考动作；
36、通过特征匹配算法，将所述初步动作评分与优质参考动作进行比对，采用余弦相似性或流形学习方法来度量动作的相似性，生成动作差异性评估；
37、使用加权算法，基于启发式规则来分配权重，根据动作差异性评估，分配细化评分，生成细化部分评分；
38、通过多属性决策分析方法，对所述细化部分评分进行综合和平衡，得到综合细化评分；
39、结合初步动作评分和综合细化评分，使用融合算法，如线性回归或支持向量机，得到细化评分结果。
40、作为本发明的进一步方案，结合包括泳姿流畅性、转身技巧的评估因素，对细化评分结果进行综合评估，利用生成对抗网络生成游泳动作参考，与实际动作进行对比，进一步修正评分，输出最终评分报告的步骤具体为：
41、基于运动捕捉技术和计算机视觉算法，对所述三维运动轨迹中运动员的游泳姿势流畅性和转身技巧进行分析，生成一组预先定义的评估因子得分，包括流畅性得分、转身技巧得分，作为初步评估结果；
42、基于大量的优质泳姿数据，使用gans生成近似的优质游泳动作参考，作为gan参考动作；
43、使用光流估计、时序动作比对算法，将运动员的实际动作与所述gan参考动作进行比对，识别两者之间的差异，获取动作差异评分；
44、根据所述初步评估结果和动作差异评分，进行评分修正，获取修正后评分；
45、整合所述修正后评分、初步评估结果，输出最终评分报告。
46、一种游泳考试实时评分系统用于执行游泳考试实时评分方法，游泳考试实时评分系统是由三维轨迹重建模块、运动学与生物力学分析模块、深度学习模型训练模块、动态动作评价模块、细化评分模块、综合评估与动作参考生成模块组成；
47、所述三维轨迹重建模块的功能项包括多摄像头数据采集、时间戳标记、多目摄像头深度计算、三维重建；
48、所述运动学与生物力学分析模块的功能项包括运动学关节角度与速度计算、生物力学肌肉力与关节力评估、动作效率和轨迹特征提取；
49、所述深度学习模型训练模块的功能项包括数据集划分、循环神经网络架构选择与初始化、模型训练与优化、模型验证与超参数调整；
50、所述动态动作评价模块的功能项包括三维轨迹前向传播、历史数据动态加权、归一化处理、初步评分生成；
51、所述细化评分模块的功能项包括游泳知识图谱查询、优质参考动作识别、特征匹配与动作差异性计算、多属性决策分析评分细化；
52、所述综合评估与动作参考生成模块的功能项包括姿势流畅性与转身技巧评估、gans游泳动作参考生成、光流估计与动作比对、评分修正。
53、作为本发明的进一步方案，所述三维轨迹重建模块通过多摄像头实时捕捉运动员的游泳动作，为每帧数据打上时间戳标记，根据多摄像头的视角和位置，应用三角测量法计算深度信息，利用计算出的深度信息和摄像头捕捉到的像素信息，实现三维重建，得到三维轨迹数据；
54、所述运动学与生物力学分析模块输入三维轨迹数据，通过运动学算法计算出关节的角度和速度，对游泳动作进行生物力学分析，评估各肌肉所承受的力和各关节之间的力，结合上述数据，提取动作的效率和三维轨迹的关键特征，综合上述分析，集成关键特征集；
55、所述深度学习模型训练模块输入关键特征集，并将其划分为训练集、验证集和测试集，选择循环神经网络作为模型架构，并进行参数初始化，利用训练集进行模型的训练和优化，使用验证集对模型的性能进行验证，并进行超参数调整，得到一个经过训练和优化的评分模型；
56、所述动态动作评价模块基于评分模型和三维轨迹数据，通过前向传播得到模型的预测评分，结合运动员过往的数据进行动态加权，调整预测评分，将得到的评分进行归一化处理，得到初评分；
57、所述细化评分模块输入初评分，并查询游泳知识图谱，获取与其相关的优质参考动作和专家建议，通过特征匹配算法，将初评分与优质参考动作进行对比，得到动作的差异性评价，应用多属性决策分析方法，根据差异性评估进行评分细化，获取细化评分；
58、所述综合评估与动作参考生成模块输入细化评分，并利用计算机视觉技术对运动员的姿势和转身技巧进行评估，使用生成对抗网络基于所述细化评分生成近似的优质游泳动作参考，通过光流估计和时序动作比对算法，对实际动作与参考动作进行对比，得到动作差异评分，根据初评分和动作差异评分对细化评分进行修正，输出最终报告。
59、一种游泳考试实时评分终端用于搭载游泳考试实时评分系统，所述游泳考试实时评分终端包括终端主体、传感器模块、通讯模块、评分算法模块、外围设备接口；
60、所述终端主体包括显示屏和操作按钮；
61、所述传感器模块包括摄像头和动作识别传感器；
62、所述通讯模块包括无线连接模块、数据存储模块；
63、所述评分算法模块包括实时评分算法、反馈系统；
64、所述外围设备接口具体为usb接口。
65、与现有技术相比，本发明的优点和积极效果在于：
66、本发明中，通过采集多摄像头数据从不同角度捕捉运动员的动作，为三维运动轨迹的创建提供了更全面的视角，提高了数据的精准度。通过运动学和生物力学分析，能够更精确地捕捉运动员的身体动态和肌肉运作机制，提取关键特征值，增加了分析的深度和准确性。运用深度学习算法，能更有效地学习和模拟人类专家对运动员动作的评价机制，使动作评分更为合理和个性化。结合游泳知识图谱和多方面评估因素，可以更全面地审查运动员的表现，提供更精细、更有针对性的反馈。通过生成对抗网络生成参考游泳动作，并与实际动作对比，进一步修正评分，使评估更加贴近实际情况，增加了评价的可信度和实用性。
1.一种游泳考试实时评分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的游泳考试实时评分方法，其特征在于，采集多摄像头数据，生成运动员的三维运动轨迹的步骤具体为：
3.根据权利要求1所述的游泳考试实时评分方法，其特征在于，对所述三维运动轨迹进行运动学和生物力学分析，提取关键特征值的步骤具体为：
4.根据权利要求1所述的游泳考试实时评分方法，其特征在于，使用所述关键特征值作为输入，训练深度学习算法，建立动作评分模型的步骤具体为：
5.根据权利要求1所述的游泳考试实时评分方法，其特征在于，应用所述动作评分模型对三维运动轨迹进行动态评价，输出初步动作评分的步骤具体为：
6.根据权利要求1所述的游泳考试实时评分方法，其特征在于，结合游泳知识图谱生成动作质量评估指标，对所述初步动作评分进行细化评估，得到细化评分结果的步骤具体为：
7.根据权利要求1所述的游泳考试实时评分方法，其特征在于，结合包括泳姿流畅性、转身技巧的评估因素，对细化评分结果进行综合评估，利用生成对抗网络生成游泳动作参考，与实际动作进行对比，进一步修正评分，输出最终评分报告的步骤具体为：
8.一种游泳考试实时评分系统，其特征在于，所述一种游泳考试实时评分系统用于执行权利要求1-7所述的游泳考试实时评分方法，所述一种游泳考试实时评分系统是由三维轨迹重建模块、运动学与生物力学分析模块、深度学习模型训练模块、动态动作评价模块、细化评分模块、综合评估与动作参考生成模块组成；
9.根据权利要求8所述的游泳考试实时评分系统，其特征在于，所述三维轨迹重建模块通过多摄像头实时捕捉运动员的游泳动作，为每帧数据打上时间戳标记，根据多摄像头的视角和位置，应用三角测量法计算深度信息，利用计算出的深度信息和摄像头捕捉到的像素信息，实现三维重建，得到三维轨迹数据；
10.一种游泳考试实时评分终端，其特征在于，所述游泳考试实时评分终端用于搭载权利要求8-9所述的游泳考试实时评分系统，所述游泳考试实时评分终端包括终端主体、传感器模块、通讯模块、评分算法模块、外围设备接口；
