基于可穿戴传感器技术和SVM预测的体育联合训练的行动认可

科学领域:

• 运动科学 运动科学 运动科学
• 生物机械工程 生物机械工程
• 机器学习 机器学习

背景情况:

• 传统的体育教练在很大程度上依赖于现场观察,要求高教练专业知识.
• 开发客观,数据驱动的训练方法对于提高运动员表现和安全至关重要.

研究的目的:

• 为运动员设计和验证体育活动识别系统.
• 通过标准化,算法引导的训练来提高训练效率并最大限度地降低受伤风险.

主要方法:

• 利用可穿戴传感器捕获运动员的运动数据.
• 开发了一个带有五支骨的人体运动模型,结合了关节约束.
• 应用了一个优化的支持矢量机 (SVM) 算法来进行动作识别.
• 集成的机器人前向动力学和同质坐标转换用于运动建模.

主要成果:

• 该系统成功地识别了篮球和跑步比赛中的动作.
• 建立了精确的人体关节旋转和骨位置/姿势模型.
• 通过系统的算法证明了通过系统的算法标准化体育训练的潜力.

结论:

• 开发的运动动作识别系统有效地分析运动员的运动.
• 可穿戴式传感器技术和SVM算法可以显著提高体育训练标准化和安全性.
• 该系统有望在体育科学和实践训练中得到更广泛的应用.