悬挂时间 HAR:使用手腕穿戴的惯性传感器进行篮球活动识别的基准数据集

科学领域:

• 运动科学 运动科学 运动科学
• 人类活动识别 人类活动识别
• 可穿戴式传感器技术

背景情况:

• 佩戴在手腕上的惯性传感器适用于测量篮球活动.
• 在体育运动中,精确的人类活动识别 (HAR) 可以增强训练和绩效分析.
• 现有的数据集可能无法捕捉现实世界篮球场景的细微差别.

研究的目的:

• 提出一个新的基准数据集,用于评估篮球中的HAR方法.
• 促进游戏分析,指导培训和个人活动跟踪系统的开发.
• 为了捕捉篮球内在的差异,由于文化差异和不同的技能水平.

主要方法:

• 收集了来自两个国家的24名球员 (美国和德国) 的数据,他们戴着手腕内置的惯性传感器.
• 在重复的篮球训练和实际比赛中记录数据.
• 执行时间序列分析来描述数据集,并使用深度学习架构评估基线分类.

主要成果:

• 数据集包括各种篮球活动,训练,演练和比赛.
• 游戏规则,风格和玩家技能水平存在差异.
• 一项基线研究表明,使用深度学习用于活动分类的可行性.

结论:

• 本文所介绍的数据集是促进篮球 HAR 的发展的宝贵资源.
• 它支持开发用于提高体育表现的智能系统.
• 未来的研究可以利用这个数据集来探索更复杂的活动识别模型.