羽毛球击球动作的识别方法、装置和可穿戴设备制造方法及图纸

本发明专利技术公开了一种羽毛球击球动作的识别方法、装置和可穿戴设备。其中，该方法包括：采集羽毛球运动中手腕的运动轨迹数据；根据运动轨迹数据生成特征数据；将特征数据输入识别模型，由识别模型识别特征数据对应的羽毛球击球动作，其中，识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：特征数据和与该特征数据对应的羽毛球击球动作。本发明专利技术解决了相关技术中不能识别羽毛球击球动作的技术问题。

【技术实现步骤摘要】
羽毛球击球动作的识别方法、装置和可穿戴设备
本专利技术涉及运动设备领域，具体而言，涉及一种羽毛球击球动作的识别方法、装置和可穿戴设备。
技术介绍
目前为止，绝大多数手环、手表等智能可穿戴设备都具有六轴传感器(三轴加速度计+三轴陀螺仪)可以输出运动轨迹数据，但是这些智能手环、手表等都没有羽毛球运动记录功能，也不能够识别羽毛球击球动作。例如，在羽毛球运动中，不能识别哪些是杀球，哪些是挑球，以及一些其他的羽毛球击球动作。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种羽毛球击球动作的识别方法、装置和可穿戴设备，以至少解决相关技术中不能识别羽毛球击球动作的技术问题。根据本专利技术实施例的一个方面，提供了一种羽毛球击球动作的识别方法，包括：采集羽毛球运动中手腕的运动轨迹数据；根据所述运动轨迹数据生成特征数据；将所述特征数据输入识别模型，由所述识别模型识别所述特征数据对应的羽毛球击球动作，其中，所述识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：特征数据和与该特征数据对应的羽毛球击球动作。可选地，所述特征数据包括直接特征数据和间接特征数据，根据所述运动轨迹数据生成特征数据包括:从所述运动轨迹数据直接提取特征数据，得到直接特征数据；和/或，将所述运动轨迹数据转化为离散特征数据，得到间接特征数据，其中，所述间接特征数据包括以下至少之一：动作时长，频率，震荡幅度，坡度，峰度。可选地，根据所述运动轨迹数据生成特征数据还包括：根据羽毛球击球动作的运动特征，设置特征数据阈值；确定所述运动轨迹数据在所述特征数据阈值范围内的所述特征数据。可选地，还包括，统计所述羽毛球击球动作，得到统计结果；在羽毛球运动中和/或羽毛球运动后，对所述统计结果进行显示和/或语音提示。可选地，所述羽毛球击球动作包括以下至少之一：杀球，高远球，搓球，挡球，挑球，扑球，钩球，吊球。可选地，所述运动轨迹数据为三轴运动轨迹数据。根据本专利技术实施例的另一方面，还提供了一种羽毛球击球动作的识别装置，包括：采集模块，用于采集羽毛球运动中手腕的运动轨迹数据；生成模块，用于根据所述运动轨迹数据生成特征数据；识别模块，用于将所述特征数据输入识别模型，由所述识别模型识别所述特征数据对应的羽毛球击球动作，其中，所述识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：特征数据和与该特征数据对应的羽毛球击球动作。根据本专利技术实施例的另一方面，还提供了一种可穿戴设备，所述设备包括上述中所述的羽毛球击球动作的识别装置。根据本专利技术实施例的另一方面，还提供了一种存储介质，所述存储介质存储有程序，其中，在所述程序被处理器运行时使得所述处理器执行上述中任意一项所述的羽毛球击球动作的识别方法。根据本专利技术实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的羽毛球击球动作的识别方法。在本专利技术实施例中，采用采集羽毛球运动中手腕的运动轨迹数据；根据所述运动轨迹数据生成特征数据；将所述特征数据输入识别模型，由所述识别模型识别所述特征数据对应的羽毛球击球动作，其中，所述识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：特征数据和与该特征数据对应的羽毛球击球动作的方式，通过识别模型对羽毛球运动中手腕的运动轨迹数据进行识别，达到了识别羽毛球击球动作的目的，从而实现了快速、准确地识别羽毛球击球动作的技术效果，进而解决了相关技术中不能识别羽毛球击球动作的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的羽毛球击球动作的识别方法的流程图；图2是根据本专利技术优选实施例的羽毛球击球动作的识别方法的流程图；图3是根据本专利技术优选实施例的羽毛球挥拍动作的3D轨迹曲线的示意图；图4是根据本专利技术实施例的羽毛球击球动作的识别装置的结构示意图；图5是根据本专利技术实施例的可穿戴设备的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。根据本专利技术实施例，提供了一种羽毛球击球动作的识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的羽毛球击球动作的识别方法的流程图，如图1所示，该方法包括如下步骤：步骤S102，采集羽毛球运动中手腕的运动轨迹数据；步骤S104，根据运动轨迹数据生成特征数据；步骤S106，将特征数据输入识别模型，由识别模型识别特征数据对应的羽毛球击球动作，其中，识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：特征数据和与该特征数据对应的羽毛球击球动作。通过上述步骤，可以实现通过识别模型对羽毛球运动中手腕的运动轨迹数据进行识别，达到了识别羽毛球击球动作的目的，从而实现了快速、准确地识别羽毛球击球动作的技术效果，进而解决了相关技术中不能识别羽毛球击球动作的技术问题。上述采集羽毛球运动中手腕的运动轨迹数据是通过智能可穿戴设备实现的，其中，智能可穿戴设备可以是手环，手表，还可以是其它可用于采集手腕的运动轨迹数据的设备。上述根据运动轨迹数据生成特征数据，也就是从运动轨迹数据直接或间接提取数据，组成特征数据，作为后续识别模型的输入参数。在构建上述识别模型以后，需要对识别模型进行训练，通过机器学习的方式对大量的数据进行训练，直至该识别模型收敛。其中，该识别模型可以是基于神经网络，向量机、随机森林等构建形成。通过该识别模型，可以根据输入的特征数据，快速、准确地识别出该特征数据对应的羽毛球击球动作,提高识别率。可选地，特征数据包括直接特征数据本文档来自技高网...

【技术保护点】
1.一种羽毛球击球动作的识别方法，其特征在于，包括：/n采集羽毛球运动中手腕的运动轨迹数据；/n根据所述运动轨迹数据生成特征数据；/n将所述特征数据输入识别模型，由所述识别模型识别所述特征数据对应的羽毛球击球动作，其中，所述识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：特征数据和与该特征数据对应的羽毛球击球动作。/n

【技术特征摘要】
1.一种羽毛球击球动作的识别方法，其特征在于，包括：
采集羽毛球运动中手腕的运动轨迹数据；
根据所述运动轨迹数据生成特征数据；
将所述特征数据输入识别模型，由所述识别模型识别所述特征数据对应的羽毛球击球动作，其中，所述识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：特征数据和与该特征数据对应的羽毛球击球动作。


2.根据权利要求1所述的方法，其特征在于，所述特征数据包括直接特征数据和间接特征数据，根据所述运动轨迹数据生成特征数据包括:
从所述运动轨迹数据直接提取特征数据，得到直接特征数据；
和/或，
将所述运动轨迹数据转化为离散特征数据，得到间接特征数据，其中，所述间接特征数据包括以下至少之一：动作时长，频率，震荡幅度，坡度，峰度。


3.根据权利要求2所述的方法，其特征在于，根据所述运动轨迹数据生成特征数据还包括：
根据羽毛球击球动作的运动特征，设置特征数据阈值；
确定所述运动轨迹数据在所述特征数据阈值范围内的所述特征数据。


4.根据权利要求1所述的方法，还包括，
统计所述羽毛球击球动作，得到统计结果；
在羽毛球运动中和/或羽毛球运动后，对所述统计结果进行显示和/或语音提示。...

【专利技术属性】
技术研发人员：陈博，
申请(专利权)人：北京卡路里信息技术有限公司，
类型：发明
国别省市：北京;11