Javelin_Throw_Dataset

本研究提出了一种基于生物力学相位的运动视频时间分割新框架，并通过结构化最优传输概念增强知名的关注点时空图卷积网络。通过该方法，无需昂贵的标签，即可识别运动相位转换。实验结果表明，该方法在测试数据上取得了71.02%的平均平均精度（mAP）和74.61%的F1分数，显著高于竞争基线。此外，还发布了一个包含211个手动标注的专业标枪投掷视频数据集，这些视频来自真实世界的比赛，涵盖了关键生物力学相位：步进、驱动、投掷和恢复。该数据集可用于训练和评估无监督分割模型，以进行细粒度的运动分析。This study proposes a novel framework for temporal segmentation of motion videos based on biomechanical phases, which enhances the well-known attention-based spatial-temporal graph convolutional network via the concept of structured optimal transport. This method enables identification of motion phase transitions without costly labeled data. Experimental results demonstrate that the proposed method achieves a mean Average Precision (mAP) of 71.02% and an F1-score of 74.61% on the test dataset, significantly outperforming competing baseline models. In addition, a manually annotated dataset consisting of 211 professional javelin throw videos sourced from real-world competitions is publicly released, covering the key biomechanical phases: stepping, driving, throwing, and recovery. This dataset can be utilized to train and evaluate unsupervised segmentation models for fine-grained motion analysis.

原始信息汇总

Javelin Throw Dataset 概述

数据集简介

Javelin Throw Action Dataset 包含同步的视频文件、骨骼姿态数据和标注动作阶段数据，用于标枪投掷分析。该数据集旨在支持体育动作分割、姿态估计和阶段检测的研究。

数据集组成

视频文件

• 格式：MP4
• 命名规则：vid_<index>.mp4（例如 vid_0.mp4, vid_1.mp4）
• 内容：原始标枪投掷视频
• 下载地址：https://drive.google.com/file/d/1fKfZNCHdr3NK7Ppnfcb3oV-57pTRH9ys/view?usp=sharing

骨骼数据

• 格式：JSON
• 命名规则：video_<index>.json（与视频文件对应）
• 内容：使用 MMPose 从视频中提取的 2D 姿态骨骼数据
• 下载地址：https://drive.google.com/file/d/1DM9kKhr7CwC61Df60mzRVP6s_bcI8XP8/view?usp=sharing

标注数据

• 格式：JSON
• 命名规则：vid_<index>.json
• 内容：标枪投掷阶段的帧级标注，包括 Steps、Drive、Throw、Recovery 四个阶段
• 下载地址：https://drive.google.com/file/d/1aaG10_POwS2g9pUnqjgpQrB1Kp9Htr9L/view?usp=sharing

搜集汇总

数据集介绍

构建方式

在竞技体育分析领域，Javelin_Throw_Dataset的构建采用了系统化的数据采集流程。该数据集从YouTube和奥运会官方录像中收集了211段专业标枪投掷视频，涵盖巴黎奥运会、欧洲田径锦标赛等重大赛事。通过基于PyTorch的MMPose框架提取16关节骨骼数据，并采用人工标注方式对关键帧进行四阶段动作划分：助跑步伐、驱动阶段、投掷动作和恢复阶段，为无监督动作分割模型提供了可靠的评估基准。

使用方法

在运动生物力学研究中，该数据集支持端到端的无监督分析流程。研究者可直接使用预处理的2D姿态序列作为模型输入，通过时空图卷积网络提取运动特征后，结合结构化最优传输算法实现动作相位自动分割。数据集的标准四阶段划分支持跨视频一致性评估，其骨骼数据格式兼容主流姿态分析框架，便于开展对比实验和模型泛化能力验证。

背景与挑战

背景概述

在体育分析领域，精准解析运动员动作对提升竞技表现具有关键意义。Javelin_Throw_Dataset由印度理工学院甘地讷格尔分校等机构的研究团队于2025年创建，聚焦标枪投掷运动的生物力学阶段划分问题。该数据集通过收集211段专业比赛视频，首次实现了对助跑、驱动、投掷和恢复四个核心动作阶段的帧级标注，填补了该领域缺乏标准化数据的空白。其创新性地结合骨架数据与无监督学习方法，为运动技术优化和实时反馈系统提供了重要数据支撑，推动了计算机视觉与竞技体育的深度融合。

当前挑战

该数据集致力于解决标枪投掷动作的时序分割难题，其核心挑战在于如何准确捕捉运动员个体差异导致的动作相位变异。构建过程中面临多重困难：首先，从真实比赛视频提取二维姿态数据时需克服光照变化、遮挡及拍摄视角差异等干扰因素；其次，专业动作阶段的边界标注需要深厚的运动生物力学知识，人工标注成本极高；此外，无监督学习方法需平衡时空特征提取与动作连续性建模，避免因过度依赖预设相位数量而影响模型泛化能力。

常用场景

经典使用场景

在体育生物力学分析领域，Javelin_Throw_Dataset为标枪投掷动作的精细化时序分割提供了重要支撑。该数据集通过211个专业运动员视频的帧级标注，完整记录了从助跑、驱动、投掷到恢复四个核心生物力学阶段的连续动作序列。研究者可基于此数据集开发无监督学习模型，自动识别动作阶段转换边界，为运动技术分析提供精准的时间定位依据。

解决学术问题

该数据集有效解决了传统运动分析依赖人工标注和实验室设备的局限性。通过提供大规模真实场景下的标枪投掷视频数据，支持开发基于骨架数据的无监督时序分割方法，突破了动作分析在可扩展性和泛化能力上的瓶颈。其结构化标注体系为运动生物力学参数的自动提取奠定了数据基础，显著提升了动作分析的客观性和可重复性。

实际应用

在竞技体育训练实践中，该数据集支撑的技术方案可实现运动员动作技术的自动化评估。教练员可通过系统生成的阶段分割结果，精确量化各技术环节的持续时间与转换时机，为个性化技术优化提供数据支持。此外，该系统还可应用于青少年运动员选材、运动损伤风险评估等场景，推动科学化训练方法的普及应用。

数据集最近研究

最新研究方向

在体育分析领域，标枪投掷动作的精细分解对提升运动员表现具有关键意义。当前研究聚焦于无监督动作分割技术，通过结合注意力时空图卷积网络与结构化最优传输理论，实现了对投掷视频中生物力学阶段的自动识别。这一方法突破了传统依赖人工标注或实验室设备的局限，在巴黎奥运会等赛事数据集上验证了其优越性，为实时技术诊断和个性化训练提供了可扩展的解决方案。该方向正推动计算机视觉与运动科学的深度融合，未来或将扩展至更多投掷类运动的微观动作分析。

相关研究论文

• Biomechanical-phase based Temporal Segmentation in Sports Videos: a Demonstration on Javelin-Throw

  印度理工学院甘地讷格尔 · 2025年