基于深度学习的健身动作评价方法、装置、设备及介质

本申请涉及基于深度学习的健身动作评价方法、装置、设备及介质。所述方法包括：通过将获取的健身动作视频流进行缓冲帧剔除并等分切片成连续时间片段；然后通过三维人体姿态估计模型预测各时间片段中的关节点三维坐标，结合代表帧的时间间隔计算每个关节点运动速度和加速度，之后拼接关节点三维坐标、关节点运动速度和加速度数据，得到时空融合特征张量；再将时空融合特征张量输入改进的长短期记忆网络遗忘门进行动作质量衰减分析和爆发力保持率计算，得到动作指标；最后根据预设动作类权重系数融合动作评价指标，得到时效性综合评价。采用本方法能够有效解决现有技术中静态评估忽略动态特征、传统模型无法处理时间压力下动作质量衰减的问题。