基于姿态估计与梯度提升回归的立定跳远评估

Abstract

构建融合姿态估计、体质特征与机器学习的立定跳远评估框架。基于33个人体关键点，采用5帧滑动平均降噪，结合脚部离地、重心位移和速度变化识别起跳、落地；分析运动者3—10的32次记录，以Pearson相关筛选因素，采用梯度提升回归树预测成绩，并用留一交叉验证评价；为6岁运动者11制定18周训练方案。基础代谢、体重及骨骼肌指标与成绩正相关。模型RMSE为0.129 m、MAE为0.103 m、R²为0.803；运动者11预测成绩为1.250 m，训练后模拟提升至1.396 m，增幅11.7%。该方法可实现动作识别、成绩预测与训练建议生成，但受小样本和像素坐标限制，仍需扩大样本并进行干预验证。