姿态驱动的动作意图推断在运动风格与疲劳评估中的应用

基于姿态的心理状态推断在疲劳诊断、伤害预防和性能提升等领域具有重要潜力。此类工具在投入实践前需通过大规模数据集的研究验证。由于人类主体数据的敏感性，视觉诊断面临严峻挑战。为此，研究将体育场景确定为从处于不同情绪状态的受试者积累数据的可行替代方案。

在板球比赛中验证假设，提出基于姿态的解决方案，通过活动视频识别人类意图。该方法通过运动分析区分进攻性和防守性击球意图，实现了超过75%的F1分数和超过80%的AUC-ROC。这些发现表明，即使数据管道存在固有噪声，姿态仍会泄露用于意图推断的强信号。

此外，利用现有数据统计作为弱监督来验证发现，为克服数据标注限制提供了潜在解决方案。这项研究为体育分析的可推广技术做出贡献，并为跨领域应用人类行为分析开辟了可能性。