YourSkatingCoach

YourSkatingCoach数据集由中央研究院信息科学研究所创建，包含454个花样滑冰跳跃元素的视频。数据集大小为1.3秒到10秒，帧率为30 fps，分辨率为1920×1080。数据集内容包括每个视频中检测到的滑冰者骨架以及每个跳跃的开始和结束帧的金标准标签。数据集的创建过程包括手动标注跳跃的起飞和着陆帧，并使用AlphaPose算法检测骨架。该数据集主要用于花样滑冰的空中时间检测任务，旨在帮助教练和运动员通过视频分析提高技能。

The YourSkatingCoach Dataset was created by the Institute of Information Science, Academia Sinica, and contains 454 videos of figure skating jump elements. The videos have durations ranging from 1.3 seconds to 10 seconds, a frame rate of 30 fps, and a resolution of 1920×1080. The dataset includes the detected skater skeletons from each video, as well as the gold-standard labels for the start and end frames of each jump. The dataset construction process involves manually annotating the takeoff and landing frames of jumps, and using the AlphaPose algorithm to detect skeletons. This dataset is primarily used for the airborne time detection task in figure skating, aiming to assist coaches and athletes in improving their skills through video analysis.

AI搜集汇总

数据集介绍

构建方式

YourSkatingCoach数据集的构建基于对花样滑冰视频的精细分析，包含454个跳跃元素的视频。每个视频均标注了跳跃的起始和结束帧，这些标注由iCoachskating的专家定义。此外，数据集还提供了每个视频中检测到的滑冰者骨骼信息，以简化预处理步骤。数据集的构建旨在解决现有数据集标签粗糙的问题，提供更为精确的跳跃时间检测，从而为教练和运动员提供具体的改进方向。

特点

YourSkatingCoach数据集的显著特点在于其精细的标签和高度的实用性。数据集不仅包含了跳跃元素的分类信息，还详细标注了每个跳跃的起始和结束帧，这使得模型能够更准确地计算跳跃的空中时间。此外，数据集中的视频来源于不同阶段的运动员训练视频，具有较高的通用性和代表性，能够有效支持跳跃技术的分析和改进。

使用方法

YourSkatingCoach数据集适用于多种机器学习任务，特别是序列标注和动作质量评估。研究者可以利用数据集中的视频和骨骼信息，训练Transformer等模型来预测跳跃的空中时间。此外，数据集还可用于跨运动任务的实验，验证其在其他快速运动和高难度动作分析中的通用性。通过这些应用，数据集能够为体育科技的发展提供坚实的基础，帮助教练和运动员提升技术水平。

背景与挑战

背景概述

在体育与机器学习的交叉领域，利用机器学习算法和技术从运动员统计数据、比赛录像等体育相关数据中提取洞察已成为研究热点。花样滑冰作为一项包含快速运动、背景变化、空中动作、旋转和艺术表达等复杂元素的运动，为开发视觉体育技术提供了良好的基础。然而，现有文献中的花样滑冰数据集主要集中在元素分类上，且可用性有限，这大大提高了为花样滑冰开发视觉体育技术的门槛。此外，这些数据集在帮助运动员提高技能方面显得过于粗粒度，仅能识别元素的存在，而无法判断元素的质量。因此，提出了一种新的运动分析任务——空中时间检测，旨在准确检测跳跃的空中时间。YourSkatingCoach数据集应运而生，包含454个跳跃元素的视频，每个视频中检测到的滑冰者骨架，以及每个跳跃的起始和结束帧的金标准标签，作为花样滑冰的视频基准。

当前挑战

YourSkatingCoach数据集在构建过程中面临多项挑战。首先，现有数据集如FSD-10和MCFS的标签过于粗粒度，无法提供跳跃起始和结束帧的精确信息，且这些数据集主要由世界冠军比赛视频组成，而非早期或中期职业运动员的训练视频，这使得数据集的应用场景受限。其次，FSD-10数据集已不再可用，MCFS数据集仅包含骨架视频，而非原始视频，这进一步增加了元素分析的复杂性。此外，数据集中自动生成的骨架存在问题，尤其是肘部和腕部点的缺失，严重阻碍了元素分析。为了解决这些问题，YourSkatingCoach数据集提供了每个跳跃的起始和结束帧的金标准标签，并将其视为序列标注问题，提出了一种基于Transformer的模型来计算空中时间。

常用场景

经典使用场景

YourSkatingCoach数据集的经典使用场景主要集中在花样滑冰跳跃元素的细粒度分析上。该数据集通过提供454个包含跳跃元素的视频，以及每个视频中跳跃的起始和结束帧的黄金标签，为研究人员提供了一个强大的基准。这种细粒度的标签使得模型能够更精确地检测跳跃的空中时间，从而帮助教练和运动员更有效地评估和改进跳跃技巧。

解决学术问题

YourSkatingCoach数据集解决了现有花样滑冰数据集在细粒度元素分析方面的不足。传统数据集主要关注元素的分类和分割，而YourSkatingCoach通过引入空中时间检测这一新任务，填补了这一空白。这不仅提升了花样滑冰技术的研究水平，还为其他快速运动和高动态背景下的体育项目提供了新的研究方向和方法。

衍生相关工作

YourSkatingCoach数据集的发布催生了一系列相关研究工作。例如，研究人员利用该数据集开发了基于Transformer的模型，用于序列标签问题，显著提升了空中时间检测的准确性。此外，该数据集还被用于跨体育项目的实验，验证了其在不同运动中的通用性和适应性。这些衍生工作不仅丰富了体育数据分析的工具箱，还推动了机器学习在体育科学中的应用。