申请/专利权人：中南民族大学

申请日：2021-12-17

公开（公告）日：2022-08-26

公开（公告）号：CN114241603B

主分类号：G06V40/20

分类号：G06V40/20;G06N20/00;G06K9/62;G01P15/02;G01P3/44;G06V10/764;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2022.08.26#授权;2022.04.12#实质审查的生效;2022.03.25#公开

摘要：本发明公开了一种基于可穿戴设备的毽球动作识别与水平等级评估方法及系统，该方法包括：通过智能可穿戴式设备采集毽球运动中产生的训练数据样本；对训练数据进行清洗去噪，滑动均值滤波；进行相同窗口大小的动作片段提取，建立动作轨迹模型；对轨迹模型进行特征提取，并运用XGBoost算法对特征重构变换；构建毽球动作的多任务逻辑回归分类器1和2，利用处理后的训练数据对多任务逻辑回归分类器进行训练，选择出最优模型参数，得到分类模型；采集毽球运动中产生的待分类的测试数据样本，利用分类算法模型对测试数据样本进行分类，输出分类预测结果。本发明能对毽球动作进行识别，能对学生的水平进行客观的评判，且能帮助学生精准地掌握毽球技术。

主权项：1.一种基于可穿戴设备的毽球动作识别与水平等级评估方法，其特征在于，该方法包括以下步骤：S1：通过智能可穿戴式设备采集毽球运动中产生的训练数据样本，训练数据样本包括三轴加速度和三轴角速度共六维数据；S2：对训练数据进行清洗去噪，滑动均值滤波；S3：对预处理后的训练数据进行相同窗口大小的动作片段提取，建立动作轨迹模型；S4：对轨迹模型进行特征构建，包括六维数据的七个特征指标：最大值、最小值、平均值、方差、标准差、均方根和极差，共计42个特征向量，并运用极端梯度提升算法对特征向量进行特征重构变换；S5：构建毽球动作的多任务逻辑回归分类器，利用处理后的训练数据对多任务逻辑回归分类器进行训练，选择出最优模型参数，得到分类算法模型；S6：采集毽球运动中产生的待分类的测试数据样本，利用训练完成的多任务逻辑回归分类器对测试数据样本进行分类，输出分类预测结果；将输出的分类预测结果与真实情况进行对比，计算多任务逻辑回归分类器分类的准确率；所述步骤S3具体包括：对预处理的数据矩阵按照动作完成时间进行切割，划分成P个数据段，每个数据段划分方法描述为：每个动作数据段中的绝对最大值做为基准点B，并以基准点B作为参考点对所有数据段进行前向切割和后向切割，向前切割m个时域数据，向后切割n个时域数据，单个动作任一坐标轴轴数据片段为B-α,B+β，得到大小为L×P的动作信号数据矩阵Z，L代表保留的单个数据段的长度，其大小为α+β×6；所述步骤S4具体包括：对于动作数据矩阵Z，采用七个特征指标：最大值、最小值、平均值、方差、标准差、均方根和极差，对矩阵Z中的六轴数据进行运算，共计得到42个特征向量；根据数据采集的情况对每组数据进行标记，对动作类型和动作完成者等级的标记，另外得到大小为P×N+1的带标签矩阵Z，Z∈RP×N+1其中Q表示特征矩阵，N表示特征数量，1表示标签矩阵；所述步骤S4中的极端梯度提升算法XGBoost具体步骤包括：步骤S4.1：以原有特征矩阵Z作为极端梯度提升算法XGBoost的输入，并为极端梯度提升算法XGBoost构建一组决策树组合，其中每一棵决策树的非叶子节点表示对原有特征的属性测试，叶子结点表示对原有特征属性测试结果的分布，其取值为0或1；所得决策树组合的叶子结点总数为N′；步骤S4.2：对于每一棵决策树，自其根结点起，特征取值与非叶子结点所表示的特征属性进行比较，并根据比较结果决定下一比较分支，直到叶子结点作为最终的比较结果；步骤S4.3：所述步骤S4.2中选中的叶子结点置为1，其余叶子结点置为0，将所有的叶子结点依决策树叶子结点排列顺序从左至右进行取值组合，所得结果为新构建的特征向量矩阵Q，其矩阵大小为P×N′+1；所述步骤S5具体包括：多任务逻辑回归分类器由用于动作分类的逻辑回归分类器1和用于专业性水平分类的逻辑回归分类器2并联构成，多任务逻辑回归分类器的参数训练主要包括：步骤S5.1:以训练数据集合Q的前N列数据矩阵Q1～N′作为逻辑回归分类器1的输入；以第N′+1列数据Q1+N′作为逻辑回归分类器1的期望输出，则多任务逻辑回归分类器1的参数集合描述为： 其中，表示矩阵Q1～N′的转置矩阵；θ表示逻辑回归分类器1的参数集合；逻辑回归分类器1可实现动作类型分类；步骤S5.2:选取动作集合Q中任意已分类毽球动作作为目标动作，数据集合Q中表示该动作的前p行数据作为特定动作特征矩阵F，其大小为p×N，特定动作矩阵F作为逻辑回归分类器2的输入；以第N′+1列数据FN′+1作为逻辑回归分类器2的期望输出，则多任务逻辑回归分类器2的参数集合描述为： 其中，表示矩阵F1～N′的转置矩阵；μ表示逻辑回归分类器2的参数集合；逻辑回归分类器2可实现动作水平分类；步骤S5.3：参数θ和参数μ的并联组合，构成多任务逻辑回归分类器的参数集合。

全文数据：

权利要求：

百度查询： 中南民族大学 基于可穿戴设备的毽球动作识别与水平等级评估方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD