Ўсиб келаётган ёш авлод жисмоний тарбияси ва спортда инновацион технологиялар

КОНСТРУИРОВАНИЕ ПОЗЫ ЧЕЛОВЕКА ПО ФОТОГРАФИИ НА ОСНОВЕ 
НЕЙРОННЫХ СЕТЕЙ ГЛУБОКОГО ИЗУЧЕНИЯ 
Маъмуров Б.Б., д.п.н., профессор 
Бухарский государственный университет, Бухара, Узбекистан 
Кумсков М.И., профессор, Проничкин Ю.В., студент, Ильясова А.О., студентка 
МГУ им. М.В.Ломоносова, Москва, Россия 
В статье [1] был предложен метод оценивания результатов и прогресса в обучении 
спортсменок в женских видах спорта при выполнении ими упражнений на основе системы 
захвата движений (motion capture), и построении модели «проволочного человечка» - Stickman-
а, являющейся моделью позы гимнастки. Такая модель позволяет проводить сравнение позы 
ученицы относительно эталонной позы. Сравнивание производится попарно, по всем кадрам 
видеозаписи выполнения упражнения ученицы и видео наставника. 
Однако сейчас появилась возможность построение модели движения спортсменки без 
каких-либо датчиков или дополнительных данных, только используя видео, на котором 

---

Инновационные технологии в спорте и физическом воспитании подрастающего поколения 
Материалы республиканской научно-практической конференции с международным участием
 
64 
записано выполнение упражнения, с помощью методов машинного обучения, в том числе 
глубокого обучения и нейронных сетей [2-3]. Видео рассматривается как последовательность 
кадров, а каждый кадр – как фотография, и по фотографии-кадру строится Stickman - модель 
позы спортсменки. Предполагается, что после анализа каждого кадра строится достаточно 
точная модель движения спортсменки при выполнении гимнастического упражнения. С 
помощью данной технологии может быть выполнена автоматизированная поддержка процесса 
обучения выполнения упражнений. 
Метод построения Stickman по фотографии 
Метод, который используется для конструирования позы человека, состоит из четырех 
этапов: (1) получение информации с фотографии, такой как поза человека (для построения 2D 
Stickman-a);
(2) трансформация 2D в 3D;
(3) получение проекции 3D в 2D,
(4) оптимизация и улучшение параметров нейронной сети, контроль во время обучения 
нейронных сетей, так, чтобы уменьшать разницу между предсказанной 2D-позой и между 
спроецированной [5]. 
Предлагаемый алгоритм обучения нейронных сетей для оптимизации полученной модели позы 
Stickman-a показан на рисунке.
Рис.1 Схема работы нейронных сетей расчета позы «Stickman-a» [5] 
Рис.2 Пример динамического движения StickMan при записи бега спортсменки 
В работе [5] предлагает простой и эффективный механизм автоматической коррекции 
параметров позы Stickman-a для изучения всех внутренних параметров человеческих поз по 

---