设计（论文）的主要内容与要求：

1、模型设计与训练：设计深度神经网络用于3D人体姿态估计任务，来提取出竞走动作的技术动作参数。

2、评价方法设计：研究竞走动作质量评价方法，对提取出的竞走动作进行评价，并提出改进建议。

3、效果验证：在公开及自建数据集上进行效果验证。

进度安排

序号

设计（论文）工作内容

时间（起止周数）

1

模型设计与训练：做有关深度学习及其在三维人体姿态估计上的应用的调研，阅读相关文献并学习实际的应用方法，设计深度神经网络用于3D人体姿态估计任务，来提取出竞走动作的技术动作参数。

1-4周

2

评价方法设计：阅读有关竞走技术及动作质量评价的文献，研究竞走动作质量评价方法，对提取出的竞走动作进行评价，并提出改进建议。

5-6周

3

效果验证：在公开及自建数据集上进行效果验证。

7-9周

4

论文撰写：整理成果，撰写毕业论文

10-12周

主要参考文献：

[1] Munea T L , Jembre Y Z , Weldegebriel H T , et al. The Progress of Human Pose Estimation: A Survey and Taxonomy of Models Applied in 2D Human Pose Estimation[J]. IEEE Access, 2020, PP(99):1-1.

[1] Chen Y ,  Tian Y ,  He M . Monocular Human Pose Estimation: A Survey of Deep Learning-based Methods: Computer Vision and Image Understanding, 10.1016/j.cviu.2019.102897[P].

[1] Martinez J ,  Hossain R ,  Romero J , et al. A Simple Yet Effective Baseline for 3d Human Pose Estimation[C]// 2017 IEEE International Conference on Computer Vision (ICCV). IEEE, 2017.

[1] Li W ,  Liu H ,  Tang H , et al. MHFormer: Multi-Hypothesis Transformer for 3D Human Pose Estimation[J].  2021.

[1] Pavllo D ,  Feichtenhofer C ,  Grangier D , et al. 3D Human Pose Estimation in Video With Temporal Convolutions and Semi-Supervised Training[C]// 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2020.

指导教师签字：

2022年12月1日

学生签字：

2022年12月1日