一种针对乒乓球或羽毛球运动动作识别方法技术

本发明专利技术公开了一种针对乒乓球或羽毛球运动动作识别方法，该方法通过加速度计和陀螺仪采集运动员的动作原始数据，利用动作的周期性实现动作分割，并对分割后的单个动作分别提取特征值生成动作的特征数据，这样提取到的若干种特征数据易于扩展且具有良好的泛化能力。选择三层BP神经网络作为识别器模型，其识别能力满足乒乓球和羽毛球动作识别的要求且结构简单易于实现。以提取到的特征数据作为神经网络的输入神经元，选择RELU函数和softmax函数分别作为输入层到隐含层，隐含层到输出层的激活函数，实现对动作特征等输入信息的非线性映射。训练1000次后得到识别器模型，将实施特征数据输入训练好的识别器模型中，实现动作识别。

A motion recognition method for table tennis or badminton

The invention discloses a method for identifying the movement of table tennis or badminton. The method collects the original data of the athletes by the accelerometer and the gyroscope, uses the periodicity of the action to divide the motion, and extracts the characteristic data of the characteristic values of the characteristic values respectively after the individual action. Some feature data are easy to expand and have good generalization ability. The three-layer BP neural network is chosen as the model of recognizer. Its recognition ability meets the requirements of table tennis and badminton action recognition and its structure is simple and easy to realize. The extracted feature data is used as the input neuron of the neural network, and the RELU function and the softmax function are selected as the input layer to the hidden layer, and the activation function of the hidden layer to the output layer is implied, and the nonlinear mapping of the input information such as the action features is realized. After training 1000 times, the recognizer model is obtained, and the feature data is input into the trained recognizer model to realize the action recognition.

【技术实现步骤摘要】
一种针对乒乓球或羽毛球运动动作识别方法
本专利技术涉及一种针对乒乓球或羽毛球运动动作识别方法，属于模式识别与人工智能

技术介绍
近年来，随着智能穿戴产品及其技术推广不断深入，市场上的各种智能手环、智能手表层出不穷，但是产品的主要功能较为单一，尤其缺乏对于具体运动的动作识别功能。调查数据显示国内乒乓球和羽毛球运动的爱好者群体巨大，因此为用户提供一款用于乒乓球和羽毛球运动的动作识别方法，以此提高用户的球技和训练效率，具有很大的市场前景。目前的动作识别方法主要为基于视觉的动作识别方法。但是视觉设备不宜携带，使用过程较为繁琐，对于业余爱好者来说不具有推广意义。针对乒乓球和羽毛球运动，手臂及腕部动作的标准性极为重要，因此相比之下，具有加速度计和陀螺仪且方便佩戴的腕带类电子设备可以作为乒乓球和羽毛球运动的动作识别的理想平台。随着人工神经网络应用的普及，与此相关的模式识别领域的识别准确率也得到了很大提高。但是在动作识别中，需要将连续动作分割为单个动作才能进行后续的特征提取，针对乒乓球和羽毛球运动的动作识别方法，只有找到较为明显的识别特征才能有效的提高准确率。
技术实现思路
通过对乒乓球和羽毛球运动的动作特征的研究与分析，本专利技术提出一种针对乒乓球或羽毛球运动动作识别方法，该方法通过加速度计和陀螺仪采集运动员的动作原始数据，利用动作的周期性实现动作分割，并对分割后的单个动作分别提取特征值生成动作的特征数据，这样提取到的若干种特征数据易于扩展且具有良好的泛化能力。选择三层BP神经网络作为识别器模型，其识别能力满足乒乓球和羽毛球动作识别的要求且结构简单易于实现。以提取到的特征数据作为神经网络的输入神经元，选择RELU函数和softmax函数分别作为输入层到隐含层，隐含层到输出层的激活函数，实现对动作特征等输入信息的非线性映射。训练1000次后得到识别器模型，将实施特征数据输入训练好的识别器模型中，实现动作识别。本专利技术的技术方案如下：一种针对乒乓球或羽毛球运动动作识别方法，其特征在于包括如下步骤：(1)、利用乒乓球或羽毛球运动员佩戴于腕部的信息采集设备来采集运动员的三轴加速度ax,ay,az，三轴角速度Wx,Wy,Wz和三轴姿态角θx,θy,θz，并上传至上位机中生成一组n行9列的矩阵，其中，n表示采集到的数据个数；上述信息采集设备包括陀螺仪和加速度计。(2)、以Z轴加速度信号的相邻两个波谷点作为动作的分割点，将采集到的n行原始运动数据分割成m组带有动作种类标记的数据，其中m表示动作个数；(3)、用采集到的三轴加速度，三轴角速度和三轴姿态角数据来计算提取每个动作的10个特征值并生成特征矩阵；上述步骤(3)中计算三轴加速度信号的合成加速度三轴角速度信号的合成角速度通过以下方法计算提取每个动作的特征值并生成特征矩阵：计算每个动作的合成加速度信号[ai1,ai2,...aik]模的均值，Ai＝(ai1+ai2+...+aik)/k，其中i表示第i个动作，k表示第i个动作的合成加速度数据个数；计算每个动作的合成加速度信号[ai1,ai2,...aik]模的方差，其中j表示第i个动作的第j个合成加速度数据；计算每个动作合成加速度信号[ai1,ai2,...aik]模的幅值，Ci＝max(aij)-min(aij)；计算每个动作的合成角速度信号[Wi1,Wi2,...Wik]模的均值，Di＝(Wi1+Wi2+...+Wik)/k，其中i表示第i个动作，k表示第i个动作的合成角速度数据个数；计算每个动作的合成角速度信号[Wi1,Wi2,...Wik]模的方差，其中j表示第i个动作的第j个合成角速度数据；计算每个动作的合成角速度信号[Wi1,Wi2,...Wik]模的幅值，Fi＝max(Wij)-min(Wij)；计算每个动作的X轴角度信号[Xi1,Xi2,...Xik]的增量绝对值的和，其中i表示第i个动作，k表示第i个动作的X轴角度信号数据个数；计算每个动作的Y轴角度信号[Yi1,Yi2,...Yik]的增量绝对值的和，其中i表示第i个动作，k表示第i个动作的Y轴角度信号数据个数；计算每个动作的Z轴角度信号[Zi1,Zi2,...Zik]的增量绝对值的和，其中i表示第i个动作，k表示第i个动作的Z轴角度信号数据个数；计算每个动作的合成加速度信号[ai1,ai2,...aik]和合成角速度信号[Wi1,Wi2,...Wik]协方差的和，其中i表示第i个动作，k表示第i个动作的Z轴角度信号数据个数。最终得到形如的特征矩阵。(4)、以10个特征值作为三层BP神经网络的输入层，训练识别器模型；训练识别器模型的方法如下：(a)建立一个3层BP神经网络，以10个特征值作为神经网络的输入层神经元，隐含层神经元个数为9个，学习率为0.01；(b)将特征矩阵归一化处理，按行输入神经网络中，输入层到隐含层选则RELU非线性激活函数，隐含层到输出层选择softmax激活函数；(c)采用随机梯度下降法不断减小训练误差，训练1000次后得到输入层到隐含层的权值矩阵偏置矩阵隐含层到输出层的权值矩阵偏置矩阵r表示可识别的动作种类数，以此得到识别器模型。(5)、将采集到的实时运动数据进行动作分割并计算特征值后输入训练好的识别器模型中，输出识别结果。本专利技术所达到的有益效果：本专利技术通过腕带类电子设备采集乒乓球和羽毛球运动员的动作数据，对连续动作的数据进行分割并对每个动作提取10个特征值，以10个特征值作为BP神经网络的输入，得到识别器模型，然后实时采集运动员的动作数据并提取特征作为BP神经网络的输入进行实时识别。BP神经网络采用分布、并行的网状结构进行训练学习，使其容错性更高，处理速度更快，可以更好的完成实时识别。附图说明图1是针对乒乓球或羽毛球运动的动作识别的系统架构图。图2是乒乓球和羽毛球动作数据Z轴加速度的波形图。图3是基于BP神经网络的动作识别方案。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。实施例：(1)如图1所示，根据本专利技术提出的一种针对乒乓球或羽毛球运动动作识别方法的系统架构图，图中虚线以下部分是识别器模型的离线训练过程，虚线以上部分是动作的实时分类识别。应该了解，图1所示的根据本专利技术示例性实施例的针对乒乓球或羽毛球运动的动作识别方法可适用于具有加速度计和陀螺仪的任何腕带类电子设备。在识别器模型的离线训练部分，利用带有陀螺仪和加速度计的腕带电子类设备，可采集标准运动员的标准动作数据。包括乒乓球运动员正手挥拍，反手挥拍，正手削球，反手削球，扣杀，捡球等，羽毛球运动员正手挥拍，反手挥拍，正手削球，反手削球，扣杀，挑高球，捡球等动作的三轴加速度ax,ay,az，三轴角速度Wx,Wy,Wz和三轴姿态角θx,θy,θz，并上传至上位机中生成一组n行9列的矩阵，其中，n表示采集到的数据个数。(2)如图2所示，以Z轴角速度信号的相邻两个波谷点作为动作的分割点，将采集到的n行原始运动数据分割成m组带有动作种类标记的数据，其中m表示动作个数。(3)用采集到的三轴加速度，三轴角速度和三轴姿态角数据来计算提取每个动作的10个特征值并生成特征矩阵；更具体的，计算三轴加速度信号的合成加本文档来自技高网...

【技术保护点】
1.一种针对乒乓球或羽毛球运动动作识别方法，其特征在于包括如下步骤：(1)、利用乒乓球或羽毛球运动员佩戴于腕部的信息采集设备来采集运动员的三轴加速度ax,ay,az，三轴角速度Wx,Wy,Wz和三轴姿态角θx,θy,θz，并上传至上位机中生成一组n行9列的矩阵，其中，n表示采集到的数据个数；(2)、以Z轴加速度信号的相邻两个波谷点作为动作的分割点，将采集到的n行原始运动数据分割成m组带有动作种类标记的数据，其中m表示动作个数；(3)、用采集到的三轴加速度，三轴角速度和三轴姿态角数据来计算提取每个动作的10个特征值并生成特征矩阵；(4)、以10个特征值作为三层BP神经网络的输入层，训练识别器模型；(5)、将采集到的实时运动数据进行动作分割并计算特征值后输入训练好的识别器模型中，输出识别结果。

【技术特征摘要】
1.一种针对乒乓球或羽毛球运动动作识别方法，其特征在于包括如下步骤：(1)、利用乒乓球或羽毛球运动员佩戴于腕部的信息采集设备来采集运动员的三轴加速度ax,ay,az，三轴角速度Wx,Wy,Wz和三轴姿态角θx,θy,θz，并上传至上位机中生成一组n行9列的矩阵，其中，n表示采集到的数据个数；(2)、以Z轴加速度信号的相邻两个波谷点作为动作的分割点，将采集到的n行原始运动数据分割成m组带有动作种类标记的数据，其中m表示动作个数；(3)、用采集到的三轴加速度，三轴角速度和三轴姿态角数据来计算提取每个动作的10个特征值并生成特征矩阵；(4)、以10个特征值作为三层BP神经网络的输入层，训练识别器模型；(5)、将采集到的实时运动数据进行动作分割并计算特征值后输入训练好的识别器模型中，输出识别结果。2.根据权利要求1所述的一种针对乒乓球或羽毛球运动动作识别方法，其特征在于：所述步骤(1)中的信息采集设备包括陀螺仪和加速度计。3.根据权利要求1所述的一种针对乒乓球或羽毛球运动动作识别方法，其特征在于：所述步骤(3)中计算三轴加速度信号的合成加速度三轴角速度信号的合成角速度通过以下方法计算提取每个动作的特征值并生成特征矩阵：计算每个动作的合成加速度信号[ai1,ai2,...aik]模的均值，Ai＝(ai1+ai2+...+aik)/k，其中i表示第i个动作，k表示第i个动作的合成加速度数据个数；计算每个动作的合成加速度信号[ai1,ai2,...aik]模的方差，其中j表示第i个动作的第j个合成加速度数据；计算每个动作合成加速度信号[ai1,ai2,...aik]模的幅值，Ci＝max(aij)-min(aij)；计算每个动作的合成角速度信号[Wi1,Wi2,...Wik]模的...

【专利技术属性】
技术研发人员：李少辉，周军，李元良，李嘉昕，陈富东，李晓光，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏,32