TC-YOLO：一种基于YOLOv8的改进型太极拳动作姿态估计算法

《Journal on Computing and Cultural Heritage》：TC-YOLO: An Improved Tai Chi Movement Pose Estimation Algorithm Based on YOLOv8

TC-YOLO算法通过改进YOLOv8模型，利用实时关键点检测提升太极动作评估效率，在3688张陈氏太极图像数据集上达到97.2% mAP和146.1 FPS，降低参数与计算成本，促进太极传承。

　　

摘要

目前，太极拳的传播主要依靠线下教学方法结合视频练习，但在动作姿势的反馈方面存在不足，效率也相对较低。本文提出了一种基于YOLOv8的姿态估计新算法——TC-YOLO。TC-YOLO通过实时检测太极拳练习者动作中的关键点，提高了反馈的准确性和直观性，从而提升了教学评估和姿势矫正的效率。研究以陈式太极拳的“十八式”为对象，构建了一个包含3688张图片的太极拳动作数据集。为了提高模型效率，采用了Reparametrized C2f（RC2f）模块对主干网络进行了重新参数化，该模块通过优化信息流动并降低计算复杂度来提升特征提取效果。此外，还设计了一种简化的颈部网络结构，以实现有效的信息传输和多尺度特征融合，进而提高了检测精度。实验结果表明，在自建数据集上，TC-YOLO算法的mAP达到97.2%，识别速度为146.1 FPS，且参数和计算成本低于YOLO-Pose等其他模型。TC-YOLO通过对太极拳动作姿势的分析，可以为体育科学领域做出有益贡献，促进太极拳的传承与全球推广。