[发明专利]一种针对乒乓球或羽毛球运动动作识别方法

权利要求书

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a_x,a_y,a_z，三轴角速度W_x,W_y,W_z和三轴姿态角θ_x,θ_y,θ_z，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；

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[a_i1,a_i2,...a_ik]模的均值，A_i＝(a_i1+a_i2+...+a_ik)/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[a_i1,a_i2,...a_ik]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[a_i1,a_i2,...a_ik]模的幅值，C_i＝max(a_ij)-min(a_ij)；

计算每个动作的合成角速度信号[W_i1,W_i2,...W_ik]模的均值，D_i＝(W_i1+W_i2+...+W_ik)/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[W_i1,W_i2,...W_ik]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[W_i1,W_i2,...W_ik]模的幅值，F_i＝max(W_ij)-min(W_ij)；

计算每个动作的X轴角度信号[X_i1,X_i2,...X_ik]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[Y_i1,Y_i2,...Y_ik]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[Z_i1,Z_i2,...Z_ik]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[a_i1,a_i2,...a_ik]和合成角速度信号[W_i1,W_i2,...W_ik]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；

(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(4)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。