基于深度强化学习的人工智能技术下的传统中国散打格斗识别

《Scientific Reports》：Deep Reinforcement Learning-based combat recognition of traditional Chinese Sanda under artificial intelligence technology

　　

摘要

在现代体育体系中，要实现中国传统散打的数字化保存，就需要采用精确的方法来记录其复杂的技术体系。本研究提出了一种基于深度强化学习的中国传统散打战斗识别框架。该框架运用双流三维卷积神经网络进行时空特征提取，结合卷积神经网络处理空间信息，并利用光流法捕捉时间动态特征。在决策优化层面，近端策略优化算法有助于实现智能决策。研究还设计了多目标奖励函数，以全面优化技术动作的准确性、战术顺序的一致性以及武术动作的量化特征。实验结果表明，在自建数据集上，所提出的方法在散打动作识别方面的准确率为89.7% ± 1.3%。通过五折交叉验证得到的最高准确率为92.3%，相比支持向量机方法提升了15.6个百分点。在包含战术一致性评估的动作类别识别任务中，平均F1分数为83.6%。本研究为传统武术的数字化保存和智能训练提供了新的技术路径，同时也拓展了体育动作分析以及人工智能在文化遗产保护中的应用方向，具有重要的理论价值和实践意义。