无标记竞技体操执行分预测：基于生物力学特征组注意力支持向量回归的方法

《Applied Sciences》：Markerless Gymnastics Score Prediction Using Biomechanical Feature-Group Attention SVR

　　

研究人员开发了一种无标记、基于视频且具有生物力学可解释性的机器学习框架，用于从姿态衍生的运动特征中估计竞技体操执行分。研究在受控条件下采集了500段男子竞技体操自由操动作视频序列，由三名国际体操联合会(FIG)认证的裁判独立打分，以平均分作为真值标签。利用MediaPipe Pose提取姿态轨迹并保留与评判相关的关键点以表征关键身体节段。经髋中心坐标归一化后，从位置幅值、关节角度、时间速度及左右对称性四组构建生物力学特征。核心预测方法为生物力学特征组注意力支持向量回归(BFG-AttSVR)模型，其引入动作特定的特征组注意力机制，学习不同体操动作下各组级重要性权重；注意力权重通过两阶段优化策略学习，包括基于交叉验证Ridge回归的数据驱动初始化与基于RBF核SVR目标的免梯度微调。实验显示BFG-AttSVR取得MAE 0.0465±0.0041、RMSE 0.0621±0.0074、R2 0.9710±0.0131，优于最强RBF-SVR基线(RMSE 0.0743±0.0071)。该框架为基于视频的体操评分提供了低成本、客观且可解释的途径。

研究背景方面，竞技体操技术执行评估长期依赖专家裁判对姿态、动作控制、对齐、对称性与动作特定执行质量的视觉判断，已有研究指出裁判评分存在潜在偏差与可靠性问题。尽管生物力学研究已量化自由操落地冲击与肢体负荷，且计算机视觉与无标记人体姿态估计（如MediaPipe Pose）在三维运动学获取上展现精度，但自动化体操执行分估计仍面临三大挑战：动作快速复杂导致原始视频或姿态坐标无法直接表达评判相关生物力学品质；体育动作质量数据集规模小于常规动作识别数据集，限制大模型训练；不同体操元素技术结构、速度需求与落地要求各异，全局回归模型忽视动作依赖性。为此，研究人员开展了一项无标记、基于普通RGB视频、具生物力学可解释性的执行分估计研究，论文发表于《Applied Sciences》。

关键技术方法上，研究人员招募5名有竞赛经验的男子竞技体操运动员（平均训练5.2±1.6年），在固定机位室内环境以1920×1080@60fps采集4类自由操动作（直体前空翻540度转体、直体前空翻接团身前空翻、侧手翻接后手翻接团身双屈体后空翻、侧手翻接后手翻接直腿双屈体后空翻）共500段有效视频，三段视频由三名FIG裁判独立打分取均值为标签，评分者间信度ICC(2,3)=0.944。采用MediaPipe Pose提取单目RGB姿态关键点，保留鼻、双肩肘腕、双髋膝踝共13点，以髋中点作髋中心坐标归一化，进而构建位置幅值（13点×3统计=39维）、关节角度（8关节×3统计=24维）、时间速度（13点×2统计=26维）、左右对称（6对×3统计=18维）合计107维特征，标准化后输入模型。

研究结果部分，第一节数据收集与处理表明，受控采集与ICC(2,3)=0.94的高一致性裁判标签为监督回归提供稳定参考，髋中心归一化消除全局位移与机位干扰。第二节生物力学特征提取显示，四组特征分别刻画身体节段位移幅值与变异、关节屈伸配置、帧间速度动态及双侧协调差异，107维向量兼顾紧凑与可解释。第三节BFG-AttSVR模型中，特征先按四组划分，动作特定注意力矩阵A∈R^4×4经Stage 1以各动作各组的Ridge回归交叉验证R²加性初始化，再经Stage 2 Nelder-Mead免梯度优化以最小化RBF-SVR交叉验证RMSE微调，softmax温度τ控制权重锐度，重加权后送RBF-SVR回归。第四节实验设置采用重复5折×10次嵌套交叉验证，外层测试折叠不泄露标签。第五节整体性能比较中，BFG-AttSVR得MAE 0.0465±0.0041、RMSE 0.0621±0.0074、R² 0.9710±0.0131，较RBF-SVR基线RMSE 0.0743降低16.4%，Wilcoxon+Holm检验三类指标均显著（p<0.05）；线性模型（ElasticNet/Ridge/Lasso）与树模型（Random Forest/Gradient Boosting）次之，KNN不稳定。留一受试者（LOSO）评估中BFG-AttSVR MAE 0.3386±0.1320、RMSE 0.4277±0.2223，仍优于基线但误差显著增大，说明跨受试者泛化难。留一动作（LOAO）评估中BFG-AttSVR RMSE 0.3773±0.2245，较RBF-SVR降约2.2%，因未见动作无专属注意力故增益有限。可解释性分析显示单组预测以关节角度与位置幅值最优，全模型置换重要性以位置幅值最大（ΔRMSE、ΔMAE最高），速度次之，角度再次，对称最小但为正。消融研究中去位置特征ΔRMSE=0.0022最大，去角度0.0021，去对称0.0013，去速度仅0.0003，表明速度与位置信息部分冗余；两阶段优化全模型RMSE 0.0621，Stage1-only 0.0623，Stage2-only 0.0625，两阶段仅边际互补。计算效率上BFG-AttSVR训练0.0117±0.0003秒、推理0.0375±0.0013毫秒/样本，约为RBF-SVR 5.3倍与4.7倍，但绝对时延可忽略。

讨论与结论部分，研究人员指出该框架以普通RGB视频替代穿戴式与动捕设备，以髋中心归一化与四组生物力学特征保留评判语义，BFG-AttSVR通过动作特定组级注意力在小组样本下兼顾可解释与非线性核回归鲁棒性。结论重申：无标记视频流程提取MediaPipe姿态→髋中心归一化→四组生物力学特征→BFG-AttSVR两阶段注意力+RBF-SVR，在重复视频级交叉验证中R²达0.9710，LOSO与LOAO揭示跨受试者与跨动作泛化仍受限；当前500段视频仅来自5人、4动作、固定机位，广义泛化需扩展至更多运动员、器械、视角与真实赛场。该研究为视频体操评分提供低成本客观可解释方案，生物力学特征组划分与动作特定注意力设计为小样本体育动作质量评估提供可迁移范式。