NHẬN DẠNG CÁC ĐỘNG TÁC TAEKWONDO DÙNG CÁC GIẢI THUẬT HỌC SÂU

Abstract

Thể thao đóng vai trò quan trọng trong việc nâng cao thể chất và sức khỏe con người, giúp tăng cường sự dẻo dai, phòng ngừa bệnh tật và góp phần hình thành tinh thần kỷ luật, tinh thần đồng đội cũng như các kỹ năng mềm cần thiết. Ngày nay, việc tập luyện thể thao ngày càng nhận được sự hỗ trợ mạnh mẽ từ các tiến bộ công nghệ, góp phần nâng cao hiệu quả rèn luyện và tối ưu hóa thành tích. Nhiều công nghệ hiện đại đã được tích hợp vào quá trình huấn luyện và giám sát thi đấu thể thao, điển hình như hệ thống hỗ trợ trọng tài bằng video (Video Assistant Referee - VAR) trong bóng đá, giúp đưa ra các quyết định chính xác hơn trong các tình huống gây tranh cãi và các hệ thống nhận dạng tư thế được sử dụng trong thể dục nhịp điệu và võ thuật nhằm đánh giá động tác của vận động viên. Trong nghiên cứu này, công cụ MediaPipe được sử dụng để trích xuất dữ liệu khung xương từ video luyện tập Taekwondo. Sau khi trích xuất, dữ liệu khung xương được đưa vào các mô hình học sâu như LSTM, GRU và Transformer để thực hiện nhiệm vụ phân loại động tác. Việc sử dụng dữ liệu bộ xương mang lại nhiều lợi ích, đặc biệt là giúp loại bỏ các yếu tố nhiễu như nền phía sau hoặc vật thể không liên quan, đồng thời tập trung vào chuyển động và hướng di chuyển của cơ thể người tập. Phương pháp đề xuất trong luận văn đã được thử nghiệm trên tập dữ liệu gồm 50 video, đại diện cho 19 tư thế khác nhau trong một buổi học Taekwondo cơ bản. Kết quả cho thấy các mô hình học sâu hoạt động rất hiệu quả, với độ chính xác đạt được lần lượt là 0,9955 đối với LSTM, 0,9952 đối với GRU và 0,9882 đối với Transformer. Những kết quả này chứng minh tính khả thi và tiềm năng của việc ứng dụng trí tuệ nhân tạo trong việc hỗ trợ giảng dạy và luyện tập thể thao một cách chính xác và hiện đại.