Оценка поз人体 и распознавание движений имеют важное прикладное значение в области безопасности, медицины и спорта. Для решения задачи оценки人体 поз и распознавания различных спортивных движений на фоне и под разными углами в данной работе предложен усовершенствованный алгоритм YOLOv7-POSE и создан собственный набор данных с различными углами съемки для обучения. Алгоритм основан на YOLOv7, добавлена функция классификации в исходную сеть, введен механизм внимания CA в основную сеть Backbone, что повысило способность сети распознавать важные признаки для классификации суставов人体 скелета и движений. Оригинальные свёрточные ядра CBS заменены структурой сети HorNet, что улучшило точность обнаружения ключевых точек人体 и классификации движений. Пространственная структура пирамидального пула Head заменена на структуру расширенного пространственного пирамидального пула, что повысило точность обнаружения и ускорило сходимость модели. Функция регрессии рамки обнаружения заменена с CIOU на EIOU, что повысило точность координатной регрессии. Проведено две группы контрольных экспериментов, результаты показали, что улучшенный YOLOv7-POSE достигает mAP 95,7% на валидационном наборе, что на 4% выше по сравнению с исходным алгоритмом YOLOv7, точность распознавания различных спортивных движений значительно возросла, количество ошибок и пропусков ключевых точек при реальных вычислениях заметно уменьшилось, ошибка оценки позиций ключевых точек значительно снижена.

Обработка изображений;Обнаружение ключевых точек;Оценка позы;Механизм внимания;Расширенный пространственный пирамидальный пул