基于堆叠惯性信号的跳台滑雪动作识别
动作识别是滑雪运动状态智能监测的关键环节之一.本文以跳台滑雪运动为研究对象,通过堆叠的方式将不同惯性传感器、不同关节点的数据进行融合生成结构化的数据,从而利用深度卷积神经网络实现跳台滑雪动作的识别.首先对采集到的跳台滑雪运动过程中的不同传感器、人体不同关节点的惯性传感数据进行归一化处理映射至[0,1]之间,然后通过颜色映射将各类数据堆叠生成图像,接着利用 Resnet 等二维卷积神经网络对跳台滑雪中的动身至助滑、直线助滑、曲线助滑、起跳及早期飞行、稳定飞行及落地共 5 类动作的堆叠惯性信号图像进行识别.实验结果表明,对 9 次跳台滑雪数据融合后生成的 2 250 幅堆叠惯性信号图像进行识别,召回率和准确率达到了 93.8%和91.7%;同时分析了单个类别惯性传感器对各关节点数据融合后的识别结果的影响.本文提出的不同传感器、不同关节点堆叠惯性信号融合和动作识别方法能够为跳台滑雪运动的智能化分析提供支撑.
跳台滑雪、动作识别、卷积神经网络、惯性数据
46
TP212.6(自动化技术及设备)
国家重点研发计划2020YFF0303800
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-6