《Technologies》：PPLCNet-YOLOv11: Exploring a Lightweight College Student Pose-Detection Method for Sports Training Under the Concept of General Education
编辑推荐：
人体姿态检测(Human Pose Detection)是高校通识教育课程中定量体育训练分析的基础，可实现对大学生动作质量的客观评估及非专业运动员运动损伤风险的早期识别。目前基于YOLO系列的检测器难以捕捉常规训练中大学生的连续动作模式、维持不同尺度姿态目标的
人体姿态检测(Human Pose Detection)是高校通识教育课程中定量体育训练分析的基础，可实现对大学生动作质量的客观评估及非专业运动员运动损伤风险的早期识别。目前基于YOLO系列的检测器难以捕捉常规训练中大学生的连续动作模式、维持不同尺度姿态目标的回归精度及校园体育环境下的实时计算速度；此外多数现有姿态估计框架针对通用场景优化，未能应对高校体育课中学生动作不规范、技能水平多样及大规模部署成本严格受限等特有挑战。为解决上述问题，研究人员提出PPLCNet-YOLOv11——一种面向高校体育教学设计的简化人体姿态估计框架，通过三项关键改进进行优化：(1)以PPLCNet替换原始骨干网络(Backbone Network)以增强特征提取，同时严格遵守浮点运算数(FLOPs)与参数量限制；(2)增强型多尺度注意力机制(Multi-Scale Attention Mechanism, MSAM)，融合自适应尺度感知、分层通道注意力及姿态敏感空间注意力，以更好地表征细长解剖结构与多尺度姿态线索；(3)改进增强交并比(Enhanced IoU, EIoU)损失函数，引入尺度感知与长宽比感知惩罚项，优化对非典型及运动专属姿态的边界框调整。在自建大学生体育运动姿态数据集及两个公开基准数据集(COCO Keypoints 2017与MPII Human Pose)上的实验表明，PPLCNet-YOLOv11在校内数据集上达到mAP@0.5为77.8%、mAP@0.5:0.95为37.09%，精确率(Precision)82.34%、召回率(Recall)75.00%，仅含2.62 M参数与6.38 GFLOPs。推理速度测试显示，模型在NVIDIA RTX 4090 GPU上达127 FPS，Intel i7-12700 CPU上38 FPS，Jetson Nano边缘设备上16 FPS，满足校园体育监测实时需求。相较于主流轻量化YOLO变体及先进专用姿态估计模型，所提方法在校内数据集上mAP@0.5提升4.93–12.6个百分点。所有实验以不同随机种子重复5次，报告均值、标准差及统计显著性检验以保证结果可靠性。结果表明，PPLCNet-YOLOv11为高校体育训练中实时姿态评估提供了一种精确且资源高效的解决方案。
论文解读：PPLCNet-YOLOv11——面向高校通识教育体育训练的大学生轻量化人体姿态检测方法
一、研究背景与立项依据
在高校通识教育框架下，体育课旨在培养学生长期运动习惯与健康生活方式，定量化的训练分析成为提升教学效果与保障学生安全的重要工具。人体姿态检测(Human Pose Detection)作为核心环节，可客观评估关节角度、肢体运动轨迹及身体协调性，识别非标准动作与损伤风险。中国教育部统计显示，每年超3000万大学生修读体育课，平均师生比仅1:300，教师难以提供一对一指导，导致动作不规范、训练效率低及运动损伤高发，亟需低成本、实时、精确的姿态检测系统部署于现有校园设备。现有基于热图的自底向上(如OpenPose)与自顶向下(如AlphaPose)方法精度较高但计算量大、延迟明显，不适用于校园低成本边缘设备；单阶段YOLO系列虽具备端到端高速推理优势，但直接用于高校通识教育场景存在四点不足：①校园环境中人体目标尺度变化大(近处持拍手臂至远处跑道全身)，传统骨干网络难以完整描述小目标或保留四肢细节；②大学生运动中身体常呈伸展或倾斜的长条形结构，通用3×3卷积注意力机制对此方向性姿态建模能力不足；③学生因技能差异导致非标准、过度弯曲关节及运动模糊姿态普遍，标准边界框回归损失(IoU/DIoU/CIoU/EIoU)未显式适应极端长宽比与多尺度分布；④校园边缘部署对计算复杂度与成本约束严格，多数高精度方法加深/加宽网络，无法满足实时要求。综上，现有轻量骨干未针对细长多尺度体态优化、通用注意力未建模运动姿态强方向偏置、常规IoU变体未考虑非标准姿态极端长宽比，构成高校体育姿态检测的三大研究空白。本研究由研究人员发表于《Technologies》期刊。
二、主要关键技术方法
研究人员以YOLOv11为基础框架进行三方面改造：①骨干网络替换为PP-LCNet(PPLCNet)，采用深度可分离卷积(Depthwise Separable Convolution)、挤压激励(Squeeze-and-Excitation, SE)模块及HardSwish激活函数，宽度乘子0.75，严格限定参数量与FLOPs；②在颈部(Neck)P4阶段C3k2模块后嵌入改进多尺度注意力机制(Modified Multi-Scale Attention Mechanism, MSAM)，含自适应尺度感知(Adaptive Scale Perception, ASP，并行膨胀深度可分离卷积7×7/5×5/3×3)、分层通道注意力(Hierarchical Channel Attention, HCA，全局平均与最大池化+共享MLP，缩减率r=16)及姿态敏感空间注意力(Pose-Sensitive Spatial Attention, PSSA，对称3×3/7×7与非对称11×3、3×11卷积核捕获纵向肢体结构)，并引入可学习残差缩放因子γ(初始化为0)；③边界框回归损失改用改进EIoU——解耦宽高回归、加入长宽比惩罚项(权重λar=0.5)、尺度自适应加权(基于目标框面积归一化)及WIoU风格动态聚焦机制抑制离群样本影响。实验采用自建大学生体育运动姿态数据集(8项运动共10000张图像，按COCO格式标注17个关键点，80%训练/20%验证，含随机裁剪、翻转、旋转、亮度调整及高斯模糊增强)及公开COCO Keypoints 2017验证集、MPII Human Pose数据集；硬件为NVIDIA RTX 4090 GPU + Intel Xeon Gold 5418Y CPU，PyTorch 2.2.2框架下SGD优化器训练300 epoch(batch=16, lr=0.01余弦退火衰减)，所有实验以5次不同随机种子重复并做配对t检验(p<0.05)。
三、研究结果
4.1 Dataset
自建大学生体育姿态数据集涵盖跑步、跳远、举重、游泳、体操、篮球、足球、网球共10000幅图像，含小(≤32×32, 15.3%)、中(32×32–96×96, 58.7%)、大(≥96×96, 26.0%)多尺度目标，经两名标注员独立标注COCO格式17关键点并由第三人审核，获安徽新华学院IRB批准(No. XHU-IRB-2025-003)及受试者书面知情同意。COCO Keypoints 2017验证集(5000幅)与MPII Human Pose数据集(25000幅)用于泛化性验证。
4.2 Experimental Setup
详述训练超参数：SGD(momentum=0.937, weight decay=0.0005)、余弦退火学习率调度、数据增强策略(水平翻转p=0.5、缩放0.5–1.5、旋转±20°、亮度0.8–1.2、高斯模糊p=0.1)；所有指标报告5次重复均值±标准差，配对t检验验证显著性。
4.3 Evaluation Metrics
采用mAP@0.5(IoU阈值0.5)、mAP@0.5:0.95(IoU 0.5–0.95逐0.05平均)、精确率(Precision=TP/(TP+FP))、召回率(Recall=TP/(TP+FN))及不同平台帧率(FPS)评估精度与实时性。
4.4 Ablation Study
以原始YOLOv11为基线，分别添加PPLCNet骨干、Modified MSAM、改进EIoU损失进行消融。结果显示：PPLCNet使mAP@0.5提升3.72个百分点、FLOPs降低1.16 GFLOPs；叠加MSAM再提升mAP@0.5 1.28个百分点及mAP@0.5:0.95 2.17个百分点；叠加改进EIoU使精确率提升2.88个百分点；三者联合(PPLCNet-YOLOv11)达最优——mAP@0.5=77.80%、mAP@0.5:0.95=37.09%，参数量2.62 M、FLOPs 6.38 G，各改进均具统计学显著性(p<0.05)，协同效应优于单独加和。
4.5 Comparative Analysis
4.5.1 Comparison with Lightweight YOLO Variants：与YOLOv5、YOLOv6、YOLOv8n、YOLOv9t、YOLOv10n及原始YOLOv11比较，PPLCNet-YOLOv11在校内数据集mAP@0.5领先4.93–12.6个百分点，参数量与FLOPs低于或持平YOLOv6/YOLOv8n/YOLOv11且精度更高。
4.5.2 Comparison with Specialized Pose Estimation Models：与YOLOv8-pose-n、RTMPose-t、BlazePose、MoveNet-Lightning、ViTPose-Tiny比较，所提方法mAP@0.5较次优RTMPose-t高2.12个百分点、mAP@0.5:0.95高2.20个百分点，参数量与计算量更低；BlazePose/MoveNet虽快但精度显著偏低。
4.5.3 Generalization Performance on Public Benchmarks：COCO Keypoints 2017上mAP@0.5较原始YOLOv11提升3.44个百分点，MPII上提升2.78个百分点，证实改进具通用泛化能力。
推理速度：RTX 4090上127 FPS、i7-12700 CPU上38 FPS、Jetson Nano上16 FPS，满足校园监控中心(≥30 FPS)、教学终端(≥25 FPS)及便携设备(≥15 FPS)实时需求。
4.6 Visualization Analysis
4.6.1 Detection Performance Based on Single-Person Standard Sports Movements：对平板支撑、弓步拉伸等非直立伸展姿态，原始YOLOv11及主流轻量YOLO存在边界框偏移、四肢端点低置信度甚至漏检；PPLCNet改善人体轮廓特征提取与定位；MSAM增强细小肢体与关节捕获；全模型边界框紧贴人体结构、置信度最高。
4.6.2 Generalization Performance in Complex Real-World Scenes：在瑜伽遮挡、密集多人划船及室外复杂背景下，基线模型出现严重漏检/误检/框偏移；PPLCNet提升抗背景干扰能力，MSAM改善多尺度密集遮挡目标定位，全模型无漏检误检且框贴合度高。
4.6.3 Consistency with Quantitative Experimental Results：可视化与量化结果一致，验证三模块联合优化有效性。
四、讨论与结论总结
讨论部分指出本研究局限：仅做2D姿态检测无法提供三维运动学参数；自建数据集未覆盖武术、跳水等小众项目；尚未在实际体育课中开展大规模现场长期稳定性与教学效果验证；未引入视频时序信息。未来拟扩展数据集、拓展至单目/多视角三维人体姿态估计、针对低功耗边缘芯片做模型量化与部署管线、引入时序建模及开展千人以上现场教学试验。
结论：研究人员提出面向高校通识教育体育训练的轻量化PPLCNet-YOLOv11人体姿态检测框架，融合PPLCNet骨干、运动导向改进MSAM注意力及非标准姿态感知改进EIoU损失。校内数据集上达mAP@0.5 77.8%、mAP@0.5:0.95 37.09%，参数量2.62 M、FLOPs 6.38 G，优于主流轻量YOLO及专用姿态估计模型；三平台推理速度满足校园各类实时部署需求；在COCO与MPII上具良好泛化性。该方法解决了高校体育场景中多尺度变化、纵向特征捕获及非标准姿态回归难题，为高校定量体育训练分析提供了实时、精确、低成本技术方案，可支撑通识教育体育课智能化转型——辅助教师客观量化评价、针对性指导学生及降低运动损伤风险。
