En diferentes tipos de deportes, la capacidad de control del equilibrio juega un papel importante para cada atleta. Por lo tanto, los entrenadores y atletas necesitan evaluaciones precisas y eficientes de la capacidad de control del equilibrio para mejorar el rendimiento del entrenamiento de los atletas de manera científica. Con el rápido crecimiento de la tecnología deportiva y los dispositivos de entrenamiento, los métodos de evaluación inteligentes y automáticos han tenido una gran demanda en los últimos años. Este artículo propone un método basado en aprendizaje profundo para evaluar la capacidad de control del equilibrio que implica un análisis de las señales de series temporales de los atletas. El método propuesto procesa directamente los datos brutos y proporciona los resultados de evaluación, con una estructura de extremo a extremo. Esta estructura directa facilita su aplicación práctica. Se emplea un modelo de aprendizaje profundo para explorar las características objetivo con un mecanismo de autoatención multi-cabezal, que es un nuevo enfoque para las evaluaciones deportivas. En los experimentos, se utilizan datos reales de evaluación de la capacidad de control del equilibrio de atletas para la validación del método propuesto. A través de comparaciones con diferentes métodos existentes, se muestra que la tasa de precisión del método propuesto es superior al 95% para las cuatro tareas, lo cual es mayor que los otros métodos comparados para tareas que contienen más de un atleta de cada nivel. Los resultados muestran que el método propuesto funciona de manera efectiva y eficiente en escenarios reales para evaluaciones de la capacidad de control del equilibrio de los atletas. Sin embargo, reducir los costos de cálculo del método propuesto es una tarea importante para futuros estudios.