基于人工智能的舞蹈动作识别与评分系统开发

为解决线上线下融合式成绩评定一体化难以实现的问题，文中将人工智能的动作识别理论应用到舞蹈教学中，开发了人机互动的评分系统，实现了移动端的实时查询。在教学时通过使用可穿戴传感器惯性测量单元(inertial measurement unit, IMU)来收集舞蹈动作的数据信息，之后对数据进行标准化处理和滑动窗口数据分割，从而建立了长短期记忆(long short-term memory, LSTM)深度学习模型。通过研究模型动作识别的测试结果，发现模型准确率可达到94.28%。同时，利用LSTM深度学习模型和HTML5、CSS3等技术实现了人机互动形式的可视化实时成绩查询功能。文中提出的智能评分系统促进了课内外一体化的动态结合，实现了大学体育课程的智能化教学。