一种基于运动训练数据的运动模式识别方法和系统技术方案

本发明专利技术提供一种基于运动训练数据的运动模式识别方法和系统，包括步骤：获得运动人员的三维位置信息；根据获得的三维坐标信息，计算运动人员的速度和加速度信息；收集训练样本数据；对训练样本数据中的速度和加速度时间序列进行预处理；利用二叉决策树支持向量机决策树算法、BP神经网络算法、RBF神经网络识别算法这三类识别算法对处理后的训练样本数据进行训练；利用上述三类训练好的识别算法对运动人员的运动模式进行识别，并通过加权融合方法获得最终的模式识别结果。本发明专利技术在信息采集方面系统结构较为简洁、方便，能够在复杂多变的训练和比赛场景下实现运动模式识别，改善了运动模式识别的精度和鲁棒性。 1

A motion pattern recognition method and system based on motion training data

The invention provides a motion pattern recognition method and system based on motion training data, including steps: obtaining the three-dimensional position information of the sportsmen, calculating the speed and acceleration information of the sportsmen according to the obtained three-dimensional coordinate information, collecting the training sample data, and the speed and acceleration in the training sample data. The time series is preprocessed, and the three recognition algorithms such as the two fork decision tree support vector machine decision tree algorithm, the BP neural network algorithm and the RBF neural network recognition algorithm are used to train the trained training sample data. The final result of pattern recognition is obtained by weighted fusion method. The system is simple and convenient in information collection, and can realize motion pattern recognition in complex and changeable training and competition scenes, and improve the accuracy and robustness of motion pattern recognition. One

【技术实现步骤摘要】
一种基于运动训练数据的运动模式识别方法和系统
本专利技术属于运动数据分析领域，涉及运动数据采集和运动模式识别，特别涉及一种基于运动训练数据的运动模式识别方法和系统。
技术介绍
随着计算机软硬件技术和网络的飞速发展，利用摄像机、传感器和无线传感器网络等在比赛现场采集运动位置信息和技战术数据，用于提升运动员的竞技水平已成为一种趋势，运动信息采集和分析装置在其中发挥着重要作用。通过运动追踪和定位装置可以采集运动员的运动学和动力学数据，通过数据挖掘技术处理这些数据，获取运动模式特征，可以用于精确的运动技战术分析。要进行精确的运动训练监控，离不开运动追踪和定位装置的支撑。目前国内常用的室内外无线定位技术主要分为成像和非成像两大技术类别。成像类可以在完全不干扰运动员的前提下完成运动学数据采集，适用于赛场实时监控。但该类产品技术复杂，实现难度高，价格昂贵，难以推广。非成像类技术主要包括：全球定位系统(GPS)、北斗定位系统、辅助全球定位系统(A-GPS)、红外、超声、无线局域网、蓝牙、射频识别(RFID)、紫蜂(ZigBee)、和超宽带(UWB)。与其他技术相比，UWB无线定位技术有功耗低、抗多径效应好、定位精确、安全性高、系统结构简单等优点。但目前市面上的UWB标签个体较大，不利于运动员在比赛中佩戴。目前常用的模式识别算法主要有两类：统计模式识别分类法和神经网络模式识别分类法。目前运动模式识别领域的相关研究主要集中在日常生活中较为简单场景下的模式识别，主要对走、跑或上下楼梯等简单动作进行模式识别，用于支持大众健身和老人自动看护等需求，在复杂比赛和训练场景下的运动模式识别研究还不多见，现有的方式识别准确率还不太高，个别识别率较高的需要动用超级计算机运用更加复杂的算法进行处理，不适于推广应用。在运动模式识别方面，实验室研究较多，且主要集中在生活场景中简单运动模式识别。陈雷,杨杰等利用佩戴在人体胯部的加速度传感器采集的加速度数据的几何特征对上楼、下楼、跑步、站立和步行等运动状态的识别,识别率在70％至95％之间；Sa-kwangSong等人利用在手机中嵌入三维加速度传感器对日常生活中的常见动作状态进行识别以实现对日常活动的监测,研究中涉及的活动包括跑步、坐下、起立、跌倒等,使用多层感知器对活动进行识别,识别率达到了97.9％至99.30％；Yu-JinHong等人结合加速度传感器与射频识别对老人的生活进行监护,它的主要原理是在家中的日常生活用品上贴上电子标签,戴在手臂上的集成了加速度传感器和射频设备的装置便可以感知这些物品,从而对老年人的动作做出判断,比如接电话、打扫卫生等,另一方面利用放置在腿上的加速度传感器对一些动作状态进行识别,这样就实现了对老年人的日常生活的基本监护；王昌喜等将两个加速度传感器固定在人体上肢上,通过采集两个三维加速度传感器的加速度数据,对数据进行预处理后，将小波变换用于运动模式识别的主要信息主要是加速度、图像和肌电等。虽然以上研究人员在简单场景上实现了较高的模式识别率，但这些算法无法支撑较为复杂，且运动模式转变迅速的比赛和训练应用。综上所述，1.现有运动定位设备主要分为基于光学和GPS+惯性导航两种类型，前者由于其本身固有的缺陷，在复杂运动环境下有遮挡时运动定位精度不高，且本身系统造价昂贵，对计算机硬件要求极高，后者主要用于室外运动项目的定位，且定位精度不高。2.现有的运动模式识别算法多以阈值判别为主，无法适应复杂运动的环境下进行准确识别，无法更好支撑后续的技战术分析和运动负荷计算。3.目前已有室内定位方式如基于RFID和WIFI等，或者定位精度不高，或者标签过大不利于携带，而且仅能实现二维空间定位，不支持三维空间定位。
技术实现思路
本专利技术针对现有技术的不足，提供一种基于运动训练数据的运动模式识别方法，实现对运动训练和比赛进行实时位置追踪和运动模式识别，为后续的技战术分析和训练监控，提供精确实时的数据支撑，提升训练和比赛的科技水平。为了达到上述目的，本专利技术提供的技术方案是：一种基于运动训练数据的运动模式识别方法，包括以下步骤，步骤1，获得运动人员的三维位置信息；步骤2，根据步骤1获得的三维坐标信息，计算运动人员的速度和加速度信息；步骤3，收集训练样本数据，包括运动人员的速度和加速度信息；步骤4，对训练样本数据中的速度和加速度时间序列进行预处理；步骤5，利用二叉决策树支持向量机决策树算法、BP神经网络算法、RBF神经网络识别算法这三类识别算法对处理后的训练样本数据进行训练；步骤6，利用上述三类训练好的识别算法对运动人员的运动模式进行识别，并通过加权融合方法获得最终的模式识别结果。进一步的，步骤1中通过定位系统获得运动人员的三维位置信息，所述定位系统包括定位标签、定位基站、服务器、客户端；所述定位标签包括微控制单元(MCU)、发射天线和供电模块，定位标签通过UWB通信协议向定位基站发射信号；所述定位基站包括接收天线，MCU，网络通信模块和供电模块，定位基站通过接收定位标签无线信号，所述定位基站的个数至少为4个；定位处理器，与定位基站相连接，用于根据定位基站收到的信息，利用时间差对定位标签进行定位，获取定位标签的(x,y,z)三维位置信息和时间序列；所述服务器通过WIFI或有线网络与定位处理器相连接，用于存储定位标签信息；所述客户端，通过访问服务器获取定位标签的三维位置信息和时间序列。进一步的，步骤2中根据三维坐标信息，运用差分算法计算运动人员的速度和加速度信息，实现方式如下，设Δt为时间间隔，则运动人员的速度Vi和加速度Ai为，其中，Xi，Yi，Zi为三维坐标。进一步的，步骤4中对训练样本数据中的速度时间序列进行预处理的实现方式如下，根据速度转换频次的特征，定义一个窗口长度的最小值N和最大值M，然后从速度序列第一点开始，与第N点连线，计算各点拟合误差，如果误差总值小于给定的阀值R，拟合成功，增加窗口的长度，连线再计算拟合误差，如果拟合误差小于R，继续增加窗口长度一直到窗口长度为M；如果拟合误差大于R，则第一段结束，该点作为新的窗口的起始点，继续同样的过程，直到序列划分完毕。进一步的，步骤6中通过加权融合方法获得最终的模式识别结果的实现方式如下，其中，wi(i＝1,2,3)为不同算法的权重，i＝1,2,3时，分别对应RBF神经网络算法、RP神经网络算法和二叉决策树支持向量机决策树算法；μi为变量，根据不同算法的识别效果在(0,0.5]范围内取值；x表示输入数据，fu(x)是输入数据对应的最终的模式识别结果，其最大的值对应于分类y，而且y∈Y，其中Y为运动模式类别集合；fi(x)是第i个模式识别算法的结果，对应权值为wi，[fi(x)＝yi]代表与之对应的模式识别分类yi。本专利技术还提供一种基于运动训练数据的运动模式识别系统，包括如下模块：三维位置信息获取模块，用于获得运动人员的三维位置信息；速度和加速度计算模块，用于根据步骤1获得的三维坐标信息，计算运动人员的速度和加速度信息；训练样本数据收集模块，用于收集训练样本数据，包括运动人员的速度和加速度信息；预处理模块，用于对训练样本数据中的速度和加速度时间序列进行预处理；训练模块，用于利用二叉决策树支持向量机决策树算法、BP神经网络算法、RBF神经网本文档来自技高网...

【技术保护点】
1.一种基于运动训练数据的运动模式识别方法，其特征在于，包括如下步骤：

【技术特征摘要】
1.一种基于运动训练数据的运动模式识别方法，其特征在于，包括如下步骤：步骤1，获得运动人员的三维位置信息；步骤2，根据步骤1获得的三维坐标信息，计算运动人员的速度和加速度信息；步骤3，收集训练样本数据，包括运动人员的速度和加速度信息；步骤4，对训练样本数据中的速度和加速度时间序列进行预处理；步骤5，利用二叉决策树支持向量机决策树算法、BP神经网络算法、RBF神经网络识别算法这三类识别算法对处理后的训练样本数据进行训练；步骤6，利用上述三类训练好的识别算法对运动人员的运动模式进行识别，并通过加权融合方法获得最终的模式识别结果。2.如权利要求1所述的一种基于运动训练数据的运动模式识别方法，其特征在于：步骤1中通过定位系统获得运动人员的三维位置信息，所述定位系统包括定位标签、定位基站、服务器、客户端；所述定位标签包括微控制单元(MCU)、发射天线和供电模块，定位标签通过UWB通信协议向定位基站发射信号；所述定位基站包括接收天线，MCU，网络通信模块和供电模块，定位基站通过接收定位标签无线信号，所述定位基站的个数至少为4个；定位处理器，与定位基站相连接，用于根据定位基站收到的信息，利用时间差对定位标签进行定位，获取定位标签的(x,y,z)三维位置信息和时间序列；所述服务器通过WIFI或有线网络与定位处理器相连接，用于存储定位标签信息；所述客户端，通过访问服务器获取定位标签的三维位置信息和时间序列。3.如权利要求1所述的一种基于运动训练数据的运动模式识别方法，其特征在于：步骤2中根据三维坐标信息，运用差分算法计算运动人员的速度和加速度信息，实现方式如下，设Δt为时间间隔，则运动人员的速度Vi和加速度Ai为，其中，Xi，Yi，Zi为三维坐标。4.如权利要求1所述的一种基于运动训练数据的运动模式识别方法，其特征在于：步骤4中对训练样本数据中的速度时间序列进行预处理的实现方式如下，根据速度转换频次的特征，定义一个窗口长度的最小值N和最大值M，然后从速度序列第一点开始，与第N点连线，计算各点拟合误差，如果误差总值小于给定的阀值R，拟合成功，增加窗口的长度，连线再计算拟合误差，如果拟合误差小于R，继续增加窗口长度一直到窗口长度为M；如果拟合误差大于R，则第一段结束，该点作为新的窗口的起始点，继续同样的过程，直到序列划分完毕。5.如权利要求1所述的一种基于运动训练数据的运动模式识别方法，其特征在于：步骤6中通过加权融合方法获得最终的模式识别结果的实现方式如下，其中，wi(i＝1,2,3)为不同算法的权重，i＝1,2,3时，分别对应RBF神经网络算法、RP神经网络算法和二叉决策树支持向量机决策树算法；μi为变量，根据不同算法的识别效果在(0,0.5]范围内取值；x表示输入数据，fu(x)是输入数据对应的最终的模式识别结果，其最大的值对应于分类y，而且y∈Y，其中Y为运动模式类别集合；fi(x)是第i个模式识别算法的结果，对应权值为wi，[fi(x)＝yi]代表与之对应的模式识别分类yi。6.一种基于运动训练数据的运动模式识别系统，其特征在于，包...

【专利技术属性】
技术研发人员：刘鹏，钟亚平，
申请(专利权)人：武汉中体智美科技有限公司，武汉体育学院，
类型：发明
国别省市：湖北,42